基于多层前向型神经网络的步态分类方法

• 作者: 杨煜 赵河明 彭志凌 张鸿涛 纪春佳 苏士昕
• 来源期刊: 自动化与仪器仪表
• 关键词: 步态分类 多层前向型神经网络 尺度化共轭梯度反向传播算法 混淆矩阵
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 理论创新|THEORETICAL INNOVATION
• 页码范围: 18-21
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2021.03.018

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.