运动训练质量的测量
计算机视觉与模式识别
2016-09-01 v1
摘要
本文探讨运动训练质量测量问题，这对于脑瘫（CP）等疾病的有效管理至关重要。本研究以自动化方式检验用于治疗脑瘫的大幅度运动（LAM）训练的质量评估。由受过训练的参与者收集运动数据，生成理想样本作为机器学习的正例。随后，要求受试者在训练过程中故意犯下细微错误，例如限制运动幅度，这在脑瘫患者中常见。质量测量问题被转化为一个分类问题，以判断示例训练是“好”还是“坏”。比较了多种流行的机器学习分类技术，包括支持向量机（SVM）、单层和双层神经网络（NN）、提升决策树以及动态时间规整（DTW）。其中 AdaBoost 提升树表现最佳，准确率达到 94.68%，证明了评估训练质量的可行性。
引用
@article{arxiv.1608.09005,
title = {Measuring the Quality of Exercises},
author = {Paritosh Parmar and Brendan Tran Morris},
journal= {arXiv preprint arXiv:1608.09005},
year = {2016}
}
备注
EMBC'16 (The 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society)