Classifying human leg motions with uniaxial piezoelectric gyroscopes.
Classifying human leg motions with uniaxial piezoelectric gyroscopes.
复制标题
DOI：
10.3390/s91108508
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
Barshan B
中科院分区：
文献类型：
--
作者：
Tunçel O;Altun K;Barshan B
本文对使用两个佩戴在腿部的低成本单轴压电陀螺仪进行人体腿部运动分类的不同技术进行了比较研究。分类过程中使用以不同方式从原始惯性传感器数据中提取的许多特征集。本研究中实现和比较的分类技术有：贝叶斯决策 (BDM)、基于规则的算法 (RBA) 或决策树、最小二乘法 (LSM)、k 最近邻算法 (k-NN)、动态时间规整 (DTW)、支持向量机 (SVM) 和人工神经网络 (ANN)。从正确区分率、混淆矩阵、计算成本以及训练和存储要求方面对这些分类技术进行了性能比较。采用三种不同的交叉验证技术来验证分类器。结果表明，BDM 总体上能够以相对较小的计算成本实现最高的正确分类率。
This paper provides a comparative study on the different techniques of classifying human leg motions that are performed using two low-cost uniaxial piezoelectric gyroscopes worn on the leg. A number of feature sets, extracted from the raw inertial sensor data in different ways, are used in the classification process. The classification techniques implemented and compared in this study are: Bayesian decision making (BDM), a rule-based algorithm (RBA) or decision tree, least-squares method (LSM), k-nearest neighbor algorithm (k-NN), dynamic time warping (DTW), support vector machines (SVM), and artificial neural networks (ANN). A performance comparison of these classification techniques is provided in terms of their correct differentiation rates, confusion matrices, computational cost, and training and storage requirements. Three different cross-validation techniques are employed to validate the classifiers. The results indicate that BDM, in general, results in the highest correct classification rate with relatively small computational cost.
登录
查看更多内容
影响因子：
3.2
作者：
Bussmann, HBJ;Reuvekamp, PJ;Stam, HJ
通讯作者：
Stam, HJ
影响因子：
8
作者：
Faundez-Zanuy, Marcos
通讯作者：
Faundez-Zanuy, Marcos
DOI：
10.1109/70.388775
发表时间：
1995-06-01
期刊：
IEEE TRANSACTIONS ON ROBOTICS AND AUTOMATION
影响因子：
--
作者：
BARSHAN, B;DURRANTWHYTE, HF
通讯作者：
DURRANTWHYTE, HF
DOI：
10.1109/titb.2007.899496
发表时间：
2008-01-01
影响因子：
--
作者：
Ermes, Miikka;Parkka, Juha;Korhonen, Ilkka
通讯作者：
Korhonen, Ilkka
DOI：
10.1007/978-3-540-24646-6_1
发表时间：
2004-01-01
期刊：
PERVASIVE COMPUTING, PROCEEDINGS
影响因子：
--
作者：
Bao, L;Intille, SS
通讯作者：
Intille, SS