科研之友
微信
新浪微博
Facebook
分享链接
摘要
步态分类在人体健康诊断等应用中具有重大意义,提高分类精度一直以来是步态分类的研究热点。传统的特征向量法在步态分类中存在难以提取步态特征、计算量大和算法复杂等局限,步态分类不能得到较好的效果,因此,提出了一种基于多层前向型神经网络的步态分类方法。首先志愿者以不同的行走方式通过"Intelli地毯"地板传感器系统采集行走过程中的时序运动学信息,采用Savitzky-Golay平滑滤波器进行滤波处理并将其数据输入到多层前向型神经网络,实现对不同步态模式下时序压力信号的自动分类;然后采用尺度化共轭梯度反向传播算法(trainscg)对网络进行训练学习;最后使用混淆矩阵对结果进行解释,对五种步态模式的分类精度对比其他分类方法显著提高。实验证明了该方法的可行性。
-
单位机电工程学院; 中北大学
