一种使用家庭感知网络评估老年人行为能力的方法研究

为了给老年人提供更优质的居家养老服务,准确了解老年人的健康状态至关重要。老年人行为能力评估有助于掌握他们的身体状况,但传统的评估方式基于量表,需要手工操作,人力成本高,采集效率低。通过在老年人家中部署家庭感知网络,在不影响老年人正常生活的情况下,可以使用传感器采集老年人的行为数据。文章基于这些行为数据,提出了一种新颖的行为能力评估方法——基于居家行为频次分析。首先,我们获取老年人行为的时间要素,并进行行为时长聚类,得出不同行为的正常时长范围。然后,使用多属性决策分析计算各个行为的权重。最后,采用自然断点法对老年人行为能力进行等级分级。实验结果表明,使用本文提出的行为能力评估方法,能够较为准确地判断老年人的行为能力等级。

基于机器学习的老人活动识别方法实验研究

全球人口老龄化的日益严重使得如何更好地提供养老服务变得越来越重要。新一代信息技术的快速发展为智慧养老研究提供了良好的技术基础,基于机器学习的老人活动识别成为智慧养老的一项重要研究。文章使用决策树、随机森林、XGBoost和朴素贝叶斯四种机器学习算法,以采集老人居家活动传感器数据为对象,分别使用传感器触发状态、传感器触发数、传感器与活动距离加权的三种特征提取方法对老人的居家数据进行识别研究。实验结果表明,随机森林在三种特征提取方法上达到了最好的活动识别效果,识别准确率分别为93.1%、93.6%和94.6%。在三种特征提取方法中,文章提出的活动距离加权提取方法在四种机器学习算法上识别准确率均相对较高,分别达到了65.9%、87.2%、83.9%和94.6%。