The results from the calculation of

The results from the calculation of extracted features for
the different severities of resting and postural tremor are
listed in Fig. 5. It is shown in the figure that the value of
every feature increases as tremor severity increases. The first
two and second two columns depict resting and postural
tremor results, respectively. The position of the sensor
(index finger or wrist) alternates with each column starting
with the finger position. Rows one to three are gyroscope
feature results: 1. Natural logarithm of the root mean square
of angular velocity; Log(RMS(Ang. Vel.)) 2. Natural
logarithm of gyroscope peak power; Log(Gyro Power) 3.
The standard deviation of angular velocity; Stdev(Ang.
Vel.). Rows four to six are accelerometer feature results: 4.
Natural logarithm of the root mean square of linear
acceleration; Log(RMS(L. Accel.)) 5. Natural logarithm of
accelerometer peak power; Log(Accel Power) 6. The
standard deviation of linear acceleration; Stdev(L. Accel.).
The classification accuracy of the resting and postural
tremor severity quantification models for different
combinations of features are shown in Table I. The different
combinations of features were selected based on the
placement of sensor on the body (index finger and wrist) as
well as sensor type (gyroscope and accelerometer). For
example, when the features calculated from both sensors
fixed on the index finger were used to train the classifier, it
achieved a classification accuracy of 88.9% (column 3, row
4) for resting tremor and 82.1% (column 4, row 4) for
postural tremor. However, when the classifier was trained
with all the features calculated from both sensors on both the
index finger and wrist, the accuracy was 83.3% (column 3,
row 10) for resting tremor and 79.5% (column 4, row 10) for
postural tremor. In total, the classifier performance for all
the sensors and locations were computed separately and
together (Table I).

ผลลัพธ์ (ไทย) 2:

ผลที่ได้จากการคำนวณของคุณสมบัติสกัดสำหรับ
ความรุนแรงแตกต่างกันของการสั่นสะเทือนที่พักผ่อนและการทรงตัวมีการ
ระบุไว้ในรูป 5. มันแสดงให้เห็นในรูปที่ว่าค่าของ
ทุกคุณลักษณะเพิ่มขึ้นตามการเพิ่มขึ้นของการสั่นสะเทือนที่รุนแรง เป็นครั้งแรกที่
สองและครั้งที่สองคอลัมน์ที่สองแสดงถึงการพักผ่อนและการทรงตัว
ผลการสั่นสะเทือนตามลำดับ ตำแหน่งของเซ็นเซอร์
(นิ้วชี้หรือข้อมือ) สลับกับแต่ละคอลัมน์เริ่มต้น
กับตำแหน่งของนิ้วมือ แถวที่ 1-3 มีไจโรสโคป
ผลคุณสมบัติ: 1. ลอการิทึมธรรมชาติของรากหมายถึงตาราง
ของความเร็วเชิงมุม; เข้าสู่ระบบ (RMS (ANG Vel)..) 2 ธรรมชาติ
ลอการิทึมของพลังงานหมุนสูงสุด; เข้าสู่ระบบ (Gyro เพาเวอร์) 3.
ค่าเบี่ยงเบนมาตรฐานของความเร็วเชิงมุม; STDEV (ANG.
Vel.) แถว 4-6 ผลคุณลักษณะ accelerometer: 4
ลอการิทึมธรรมชาติของรากหมายถึงตารางเชิงเส้นของ
การเร่งความเร็ว; เข้าสู่ระบบ (RMS (L Accel)..) 5. ลอการิทึมธรรมชาติของ
พลังงาน accelerometer สูงสุด; เข้าสู่ระบบ (Accel อำนาจ) 6.
ค่าเบี่ยงเบนมาตรฐานของการเร่งความเร็วเชิงเส้น STDEV (L. Accel.).
ความถูกต้องของการจัดหมวดหมู่ที่พักผ่อนและการทรงตัว
สั่นรุ่นรุนแรงปริมาณที่แตกต่างกันสำหรับ
การรวมกันของคุณสมบัติที่แสดงในตารางที่ครั้งที่หนึ่งที่แตกต่างกัน
รวมกันของคุณสมบัติที่ได้รับการคัดเลือกขึ้นอยู่กับ
ตำแหน่งของเซ็นเซอร์ในร่างกาย (นิ้วชี้ และข้อมือ) เช่น
เดียวกับประเภทของเซนเซอร์ (วัดการหมุนวนและ accelerometer) สำหรับ
ตัวอย่างเช่นเมื่อคุณสมบัติที่คำนวณได้จากเซ็นเซอร์ทั้ง
คงที่นิ้วชี้ถูกนำมาใช้ในการฝึกอบรมลักษณนามก็
ประสบความสำเร็จในความถูกต้องของการจำแนกประเภทของ 88.9% (คอลัมน์ 3 แถว
4) สำหรับการพักผ่อนการสั่นสะเทือนและ 82.1% (4 คอลัมน์แถว 4) สำหรับ
การสั่นสะเทือนการทรงตัว แต่เมื่อจําแนกได้รับการฝึกฝน
กับคุณสมบัติทั้งหมดที่คำนวณได้จากเซ็นเซอร์ทั้งบนทั้ง
นิ้วชี้และข้อมือ, ความแม่นยำอยู่ที่ 83.3% (คอลัมน์ที่ 3
แถว 10) สำหรับการพักผ่อนการสั่นสะเทือนและ 79.5% (คอลัมน์ที่ 4 แถว 10) สำหรับ
การทรงตัว การสั่นสะเทือน รวมผลการดำเนินงานสำหรับทุกลักษณนาม
เซ็นเซอร์และสถานที่ได้รับการคำนวณแยกจากกันและ
ร่วมกัน (ตารางที่ I)

ผลลัพธ์ (ไทย) 3:

ผลลัพธ์ที่ได้จากการคำนวณของการสกัดคุณลักษณะสำหรับที่พักและ severities ต่างท่าทางสั่นเป็นแสดงในรูปที่ 5 จะแสดงในรูปที่ ค่าของทุกคุณลักษณะที่เพิ่มขึ้นของความรุนแรงเพิ่มขึ้น ครั้งแรกสองและสองคอลัมน์ที่สองแสดงถึงการวางตัวและท่าทางสั่นผลตามลำดับ ตำแหน่งของเซนเซอร์( ดัชนี นิ้วหรือข้อมือ ) สลับกับแต่ละคอลัมน์เริ่มต้นกับนิ้วตำแหน่ง แถวหนึ่งถึงสามมีไจโรสโคปผลลัพธ์ คุณสมบัติ : 1 . ลอการิทึมธรรมชาติของรากหมายความว่าสี่เหลี่ยมจัตุรัสความเร็วเชิงมุม ; เข้าสู่ระบบ ( RMS ( อั๊ง ดีค่ะ ) ) ธรรมชาติคณิตศาสตร์ลอการิทึมของไจโรสโคปพีคเพาเวอร์ ; เข้าสู่ระบบ ( ไจโรไฟฟ้า ) 3 .ส่วนเบี่ยงเบนมาตรฐานของความเร็วเชิงมุม ; STDDEV ( อั๊งดีค่ะ ) แถวสี่ถึงหกมี Accelerometer คุณลักษณะผล : 4ลอการิทึมธรรมชาติของค่าเฉลี่ยกำลังสองของเส้นตรงเร่งความเร็ว ; เข้าสู่ระบบ ( RMS ( L . ACCEL ) ) 5 . ลอการิทึมธรรมชาติของตามพีคเพาเวอร์ ; เข้าสู่ระบบ ( เร่งพลัง ) 6 . ที่ส่วนเบี่ยงเบนมาตรฐานของความเร่งเชิงเส้น ; STDDEV ( L . Accel . )ความแม่นยำในการจำแนก และท่าทางของพักรุ่นปริมาณความรุนแรงสั่นสำหรับต่างชุดคุณลักษณะที่แสดงในตารางที่แตกต่างกัน .ชุดคุณลักษณะถูกเลือกขึ้นอยู่กับตำแหน่งของเซนเซอร์ในร่างกาย ( นิ้วชี้และข้อมือ ) เป็นเป็นเซ็นเซอร์ประเภท ( และ accelerometer gyroscope ) สำหรับตัวอย่าง เมื่อคำนวณจากทั้งคุณสมบัติเซ็นเซอร์คงที่บนนิ้วชี้ถูกใช้เพื่อฝึกตัวมันบรรลุความแม่นยำในการจำแนกของ 88.9 % ( 3 คอลัมน์ , แถว4 ) สำหรับอาการสั่น และร้อยละ 82.1 ( คอลัมน์ 4 แถว 4 )ท่าทางสั่นเท่านั้น อย่างไรก็ตาม เมื่อตัวถูกฝึกด้วยคุณสมบัติทั้งหมดที่ได้จากทั้งสองตัวทั้งนิ้วชี้ และข้อมือ ความถูกต้องเป็น 83.3 % ( คอลัมน์ 3อาการสั่น และแถว 10 ) 79.5 % ( คอลัมน์ 4 แถว 10 )ท่าทางสั่นเท่านั้น ทั้งหมด , ลักษณนามแสดงทั้งหมดเซ็นเซอร์และสถานที่ถูกคำนวณแยกจากกัน และด้วยกัน ( โต๊ะผม )