一种基于TBE优化CNN-BiLSTM-Attention异常步态检测方法

本发明公开了一种基于TBE优化的CNN‑BiLSTM‑Attention异常步态检测方法。该方法在CNN中引入Squeeze‑and‑Excitation(SE)注意力机制，并在BiLSTM中应用时间注意力机制，能有效提取和强化关键步态特征。利用足底压力传感器和IMU惯性传感器采集步态数据。采用ReliefF算法选取关键特征，并通过TPE算法优化超参数。模型训练后，用CNN提取空间特征，BiLSTM提取时间序列特征，并通过注意力机制融合特征，最终通过softmax激活函数分类预测。本发明整体模型设计合理，注意力机制增强了对重要信息的捕捉能力，防止过拟合。适用于临床和日常健康监控中的异常步态检测，为疾病诊断和健康评估提供高效、准确的技术手段。