Análisis comparativo de algoritmos de aprendizaje supervisado para la detección de caídas
Fecha:
2019Palabra clave:
Tipo de Ítem:
Articulo Revista IndexadaDirección web:
http://www.risti.xyz/index.php?option=com_content&view=article&id=32&Itemid=131&lang=es
Resumen:
La naturaleza y las condiciones propias del adulto mayor hacen que
éste sea propenso a enfermedades y situaciones en donde su integridad física puede
verse afectada; donde, las caídas son uno de los factores de mayor riesgo. En este
artículo como principal aporte, se realiza un análisis sobre el efecto de la reducción
del espacio de características usadas para el proceso de clasificación mediante la
aplicación de la Matriz de Pearson. Para tal efecto, se presenta un análisis comparativo
mediante métricas de 3 algoritmos: naive bayes, máquinas de soporte vectorial y
redes neuronales en la detección de caídas. Las señales utilizadas son aceleraciones
en tres ejes obtenidas de la base de datos del Institute of Communications and
Navigations correspondiente a muestras de 16 sujetos masculinos y femeninos de
entre 23 y 50 años. Los resultados muestran que naive bayes presenta el mejor
desempeño considerando una reducción en las características
Descripción:
The nature and conditions of the elderly make it prone to diseases and
situations where their physical integrity may be affected; where falls are one of the
highest risk factors. In this article as a main contribution, an analysis is carried
out on the effect of the reduction of the space of characteristics in the classification
process through the application of the Pearson Matrix. For this purpose, a
comparative analysis based on metrics of 3 algorithms is presented: naive bayes,
vector support machines and neural networks in the detection of falls. The signals
used are accelerations in three axes obtained from the database of the Institute of
Communications and Navigations corresponding to samples of 16 male and female
subjects between 23 and 50 years old. The results show that naive bayes has the best
performance considering the reduction in the characteristics
