Resumen

Las caídas entre las personas mayores constituyen un problema de salud importante. La monitorización diaria de la actividad y la detección de caídas mediante sensores portátiles proporcionan un sistema de atención médica importante para personas mayores o frágiles. Investigamos la precisión de la clasificación de datos de actividad diaria y caídas basados en señales de electromiografía superficial (sEMG) y presión plantar. Se recopilaron señales de sEMG y presión plantar, y se extrajeron sus características. Se seleccionaron características adecuadas y se combinaron para la transición de postura, la marcha y la caída utilizando el índice de separabilidad de clases de Fisher. Se propuso un método de fusión a nivel de características, denominado Análisis de Correlación Canónica Global de Algoritmo Genético de Ponderación, para reducir dimensiones. Para el problema en el que el número de actividades diarias es considerablemente mayor que el número de actividades de caída, se propuso el Análisis Discriminante Lineal de Fisher con Núcleo Ponderado (WKFDA)

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Ancianos; Monitoreo de actividades diarias; Sensores portátiles; Electromiografía de superficie; Señales de presión plantar; Precisión de clasificación
• Keywords:Elderly; Daily activity monitoring; Wearable sensors; Surface electromyography; Plantar pressure signals; Classification accuracy