In this paper, we investigated the

In this paper, we investigated the application of the manifold learning algorithm in gait data analysis for the improvement of the gait classification performance. A manifold learning algorithm such as isometric feature mapping algorithm (ISOMAP) was firstly employed to perform nonlinear feature extraction for initiating the training set, and its effect on a subsequent classification was then tested in combination with learning algorithms such as support vector machines. The gait data including young and elderly participants were analyzed, and the experimental results demonstrated that the generalization performance of ISOMAP-SVM is an evidently improved performance compared to the traditional classifier for recognizing young-elderly gait patterns. Our work suggested that manifold learning algorithm can find the intrinsic low-dimensional manifold embedding in high-dimensional gait data, and obtain the `true' nonlinear gait features associated with human gait function change for improving the gait classification performance. The proposed technique has considerable potential for future clinical applications.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราตรวจสอบแอพลิเคชันมากมายที่อัลกอริทึมในการวิเคราะห์ข้อมูลเดินเพื่อพัฒนาประสิทธิภาพการทำงานการจัดประเภทการเดินเรียน อัลกอริทึมการเรียนรู้ความหลากหลายนับเป็นอัลกอริทึมการแมปคุณสมบัติวาดสามมิติ (ISOMAP) ถูกว่าจ้างแรกการสกัดคุณลักษณะไม่เชิงเส้นสำหรับการเริ่มต้นชุดฝึกอบรม และผลของการจัดประเภทตามมาแล้วทดสอบร่วมกับอัลกอริทึมการเรียนรู้เช่นสนับสนุนเครื่องแบบเวกเตอร์ มีวิเคราะห์ข้อมูลเดินรวมถึงคนหนุ่มสาว และผู้สูงอายุ และผลการทดลองแสดงว่าประสิทธิภาพ generalization ของ ISOMAP SVM มีประสิทธิภาพดีขึ้นอย่างเห็นได้ชัดเมื่อเทียบกับ classifier ดั้งเดิมสำหรับการจดจำรูปแบบการเดินของผู้สูงอายุยัง งานของเราแนะนำมากมายที่อัลกอริทึมการเรียนรู้สามารถค้นหาการ intrinsic ต่ำมิติความหลากหลายนับฝังข้อมูลมิติสูงเดิน และได้รับคุณลักษณะเดิน 'แท้จริง' ไม่เชิงเส้นที่เกี่ยวข้องกับมนุษย์เดินเปลี่ยนฟังก์ชันสำหรับการปรับปรุงประสิทธิภาพการทำงานการจัดประเภทการเดิน เทคนิคการนำเสนอมีศักยภาพมากสำหรับการใช้งานทางคลินิกในอนาคต

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะตรวจสอบการประยุกต์ใช้ขั้นตอนวิธีการเรียนรู้มากมายในการวิเคราะห์ข้อมูลการเดินสำหรับการปรับปรุงประสิทธิภาพการจัดหมวดหมู่ของการเดินที่ อัลกอริทึมการเรียนรู้ต่าง ๆ นานาเช่นคุณลักษณะขั้นตอนวิธีการทำแผนที่ภาพวาดสามมิติ (ISOMAP) ถูกจ้างแรกที่จะดำเนินการสกัดคุณลักษณะเชิงเส้นสำหรับการเริ่มต้นชุดการฝึกอบรมและผลกระทบต่อการจัดหมวดหมู่ตามมาได้รับการทดสอบแล้วในการรวมกันกับขั้นตอนวิธีการเรียนรู้เช่นการสนับสนุนเครื่องเวกเตอร์ ข้อมูลการเดินรวมทั้งเยาวชนและผู้สูงอายุที่ได้มาวิเคราะห์และผลการทดลองแสดงให้เห็นว่าผลการดำเนินงานทั่วไปของ ISOMAP-SVM เป็นเห็นได้ชัดว่าประสิทธิภาพที่เพิ่มขึ้นเมื่อเทียบกับจําแนกแบบดั้งเดิมสำหรับการรับรู้รูปแบบการเดินหนุ่มผู้สูงอายุ การทำงานของเราชี้ให้เห็นว่าขั้นตอนวิธีการเรียนรู้มากมายสามารถหามากมายต่ำมิติที่แท้จริงฝังในข้อมูลการเดินมิติสูงและได้รับ `จริง 'คุณสมบัติการเดินไม่เชิงเส้นที่เกี่ยวข้องกับการเปลี่ยนแปลงฟังก์ชั่นการเดินของมนุษย์สำหรับการปรับปรุงประสิทธิภาพการจัดหมวดหมู่การเดิน เทคนิคที่นำเสนอมีศักยภาพมากสำหรับการใช้งานทางคลินิกในอนาคต

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราได้ศึกษาการประยุกต์ใช้ขั้นตอนวิธีการเรียนรู้มากมายในการวิเคราะห์ข้อมูลการเดินทางสำหรับการปรับปรุงของการเดินการจำแนกผลการปฏิบัติงาน ขั้นตอนวิธีการเรียนรู้มากมาย เช่นคุณลักษณะแผนที่สามมิติของ isomap ) คือตอนแรกใช้แสดงการสกัดลักษณะไม่เชิงเส้นสำหรับการจัดทำชุดฝึกอบรมและผลกระทบที่ตามมาคือการทดสอบร่วมกับอัลกอริทึมการเรียนรู้เช่นเครื่องเวกเตอร์สนับสนุน รวมทั้งเด็กและผู้สูงอายุเดินข้อมูลผู้เรียน วิเคราะห์และผลการทดลองพบว่า การดำเนินงาน isomap-svm การปรับปรุงประสิทธิภาพเมื่อเทียบกับแบบดั้งเดิม ทำให้ตระหนักถึงเด็กผู้สูงอายุ การเดินแบบ งานแนะนำขั้นตอนวิธีการเรียนรู้มากมายสามารถพบภายในมิติต่ําข้อมูลสูง - มิติเดินฝังท่อ ,' จริง ' และได้รับคุณสมบัติที่เกี่ยวข้องกับการเปลี่ยนแปลงฟังก์ชันไม่เชิงเส้นการเดินของมนุษย์เพื่อปรับปรุงการเดินการจำแนกผลการปฏิบัติงาน เทคนิคที่นำเสนอมีศักยภาพมากสำหรับอนาคตทางคลินิกโปรแกรม