基于机器学习技术与嵌入式传感器的异常步态分类
信号处理
2021-10-13 v1 机器学习
摘要
研究表明，人体步态可作为检测影响人类运动的病理的预测因素。此外，众所周知，建立能够提供人体步态检查的传统临床基础设施需要高额投入，使经济弱势患者难以负担。面对此情景，本工作提出一种由可穿戴设备（用于获取 3D 加速度计与 3D 陀螺仪测量值）和机器学习技术组成的便捷现代解决方案，以对不同类别的诱发步态障碍进行分类。为开展所提研究，构建了一个以 4 种不同且均衡的异常步态类别为目标标签的数据集。在该数据集上取得最佳性能（以准确率为指标）的机器学习技术为先应用主成分分析算法再接支持向量机分类器（94%）。此外，基于前馈神经网络的架构取得了更优结果（96%）。最后，还给出了所实现模型间的计算性能比较。
引用
@article{arxiv.2110.06139,
title = {Classification of anomalous gait using Machine Learning techniques and embedded sensors},
author = {T. R. D. Sa and C. M. S. Figueiredo},
journal= {arXiv preprint arXiv:2110.06139},
year = {2021}
}