为残疾人使用人工智能与蛇形优化技术的先进智能人类活动识别系统
Manal Abdullah Alohali1, Mohammed Yahya Alzahrani2, Asmaa Mansour Alghamdi3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh, 11671, Saudi Arabia. maalohaly@pnu.edu.sa.
Scientific reports
|August 26, 2025
概括
这项研究介绍了使用深度学习与蛇优化器 (AHARDP-DLSO) 方法对残疾人进行高级智能人类活动识别. AHARDP-DLSO模型在识别残疾人的日常活动方面达到95.81%的准确性.
科学领域:
- 人工智能
- 生物医学工程
- 计算机科学
背景情况:
- 人类活动识别 (HAR) 对于老年护理和智能家居至关重要.
- 随着年龄的增长,身体活动和日常工作的表现都会下降,影响健康.
- 有限的研究集中在老年人和残疾人的HAR上.
研究的目的:
- 通过使用深度学习与蛇优化器 (AHARDP-DLSO) 方法为残疾人引入先进的智能人类活动识别.
- 开发基于深度学习的高效HAR模型,用于检测和分类残疾人的日常活动.
- 为目标群体实现高精度和适应性.
主要方法:
- 使用最小-最大缩放进行数据规范化.
- 使用深度信念网络 (DBN) 进行分类.
- 使用蛇优化算法 (SOA) 对DBN进行超参数优化.
主要成果:
- 在WISDM数据集上,AHARDP-DLSO模型表现出卓越的性能.
- 在活动识别方面达到95.81%的高精度.
- 在实验验证中表现优于现有的HAR模型.
结论:
- 对于残疾人来说,AHARDP-DLSO方法是一个有效的解决方案.
- 深度学习与蛇优化器相结合,
- 该模型为残疾人提供了增强辅助技术的基础.


