基于SVM确定有效绊脚平衡恢复关键运动特征

发布时间：2023-09-16 09:32

　　我国是世界上人口最多的国家,社会老龄化的问题日益严重。统计显示,与绊倒相关的跌倒是导致65岁以上的老年人因伤害而致死的主要因素之一。因此,对于绊倒问题的研究是十分重要的。本项研究的主要目的是探索绊脚后平衡恢复反应机制。实验采用随机征集受试者的形式,招募了133名受试者参与本实验。VICON运动捕捉系统收集受试者在实验过程中的绊脚数据,根据每位受试者在绊脚后的恢复情况将其分为恢复成功组或恢复失败组。为了解决特征选取不当的问题,我们从统计学角度出发,使用独立样本t检验的方法来确定各个特征在恢复成功组和恢复失败组之间是否具有统计学差异。发现这种差异后,我们将具有显著地统计性差异的特征用作支持向量机(SVM)的输入。为了进一步探究不同特征组合对准确率的影响,我们使用爬山算法和10折交叉验证来探究特征数量与分类准确率的关系。研究结果表明,当使用9个特征组合区分两组恢复情况时,验证集的准确率为77.4%,而使用3个特征组合时,验证集的准确率为93.1%,准确率达到最高,这也进一步验证了特征数量对最优模型建立的影响。为了验证最优模型在测试集中的泛化能力,我们使用分类准确率、受试者操作特性曲线(ROC...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 研究目的
    1.3 论文的主要内容与结构
    1.4 本章小结
第2章 文献综述
    2.1 绊倒的相关研究
    2.2 机器学习在步态分析的相关研究
    2.3 本章小结
第3章 研究对象与研究方法
    3.1 研究对象
    3.2 研究方法
        3.2.1 实验设备
        3.2.2 实验内容
        3.2.3 实验流程
    3.3 本章小结
第4章 绊脚实验研究
    4.1 数据采集与整理
    4.2 特征(因变量)的选取与计算
    4.3 特征选择
    4.4 本章小结
第5章 基于SVM的绊脚平衡恢复结果分类研究
    5.1 建模流程
        5.1.1 Z-score标准化
        5.1.2 支持向量机分类预测模型
        5.1.3 支持向量机中的核函数
        5.1.4 交叉验证(Cross-Validation)
        5.1.5 爬山算法
    5.2 模型评估及实验结果
        5.2.1 混淆矩阵
        5.2.2 不同特征数量下准确率的结果
        5.2.3 SVM在不同核函数下的分类结果
        5.2.4 最优模型下的ROC曲线
    5.3 本章小结
第6章 讨论与总结
    6.1 讨论
    6.2 总结
    6.3 展望
参考文献
附录1 实验准备及流程
附录2 受试者基本信息问卷
附录3 知情同意书
附录4 粘贴标志点及形态学测量
深圳大学指导教师对研究生学位论文的学术评语
深圳大学研究生学位(毕业)论文答辩委员会决议书
致谢



本文编号：3846765