The classification process involves a total of 16 different shoulder rehabilitation protocols, i.e. right flexion (FR), right extension (ER), right adduction (AdR), right abduction (AbR), right horizontal adduction (HAdR), right horizontal abduction (HAbR), right internal rotation (IRR), right external rotation (ERR), left flexion (FL), left extension (EL), left adduction (AdL), left abduction (AbL), left horizontal adduction (HAdL), left horizontal abduction (HAbL), left internal rotation (IRL) and left external rotation (ERL), respectively.
In order to determine the most appropriate classifier for the detection of the shoulder rehabilitation protocols, five classifiers are compared, namely, BayesNet, multilayer perceptron, 1-nearest neighbor, 3-nearest neighbor, and J48 decision tree. In order to examine the performance of the protocol detection algorithm among the five classifiers, five-fold cross validation is used to construct the combination of training and test datasets with three different class settings as shown in Table 2
The classification process involves a total of 16 different shoulder rehabilitation protocols, i.e. right flexion (FR), right extension (ER), right adduction (AdR), right abduction (AbR), right horizontal adduction (HAdR), right horizontal abduction (HAbR), right internal rotation (IRR), right external rotation (ERR), left flexion (FL), left extension (EL), left adduction (AdL), left abduction (AbL), left horizontal adduction (HAdL), left horizontal abduction (HAbL), left internal rotation (IRL) and left external rotation (ERL), respectively. In order to determine the most appropriate classifier for the detection of the shoulder rehabilitation protocols, five classifiers are compared, namely, BayesNet, multilayer perceptron, 1-nearest neighbor, 3-nearest neighbor, and J48 decision tree. In order to examine the performance of the protocol detection algorithm among the five classifiers, five-fold cross validation is used to construct the combination of training and test datasets with three different class settings as shown in Table 2
การแปล กรุณารอสักครู่..
ขั้นตอนการจัดหมวดหมู่ที่เกี่ยวข้องกับการรวมเป็น 16 โปรโตคอลการฟื้นฟูสมรรถภาพไหล่ที่แตกต่างกันเช่นขวางอ (FR) ขยายด้านขวา (ER) ขวา adduction (ADR), การลักพาตัวด้านขวา (ABR), แนวนอนขวา adduction (HADR), การลักพาตัวในแนวนอนด้านขวา (Habr ), การหมุนภายในด้านขวา (IRR), การหมุนภายนอกด้านขวา (ERR) งอซ้าย (FL) ขยายซ้าย (EL), ซ้าย adduction (ADL), การลักพาตัวซ้าย (ABL), แนวนอนซ้าย adduction (Hadl) ซ้ายลักพาตัวในแนวนอน (HAbL) ซ้ายหมุนภายใน (ชีวิต) และการหมุนภายนอกซ้าย (ERL) ตามลำดับ. เพื่อกำหนดลักษณนามที่เหมาะสมที่สุดสำหรับการตรวจสอบของโปรโตคอลการฟื้นฟูสมรรถภาพไหล่ห้าแยกแยะถูกเปรียบเทียบคือ BayesNet, หลาย Perceptron 1 เพื่อนบ้านที่ใกล้ที่สุดเพื่อนบ้าน 3 ใกล้ที่สุดและต้นไม้ตัดสินใจ J48 เพื่อที่จะตรวจสอบประสิทธิภาพการทำงานของวิธีการตรวจสอบโปรโตคอลในห้าแยกแยะห้าเท่าการตรวจสอบข้ามจะใช้ในการสร้างการรวมกันของการฝึกอบรมและการทดสอบชุดข้อมูลที่มีการตั้งค่าที่แตกต่างกันสามชั้นดังแสดงในตารางที่ 2
การแปล กรุณารอสักครู่..
กระบวนการที่เกี่ยวข้องกับการรวมแตกต่างกัน 16 ไหล่ฟื้นฟูระบบ ได้แก่ สิทธิการ ( FR ) ใช่นามสกุล ( ER ) , ขวา ( ADR ) อย่าง ลักพาตัว ขวา ( ABR ) , หุบ ( HADR ) ลักพาตัวแนวนอนแนวนอนครับ ( habr ) ภายในโครงการ ( IRR ) หมุนขวา หมุนไปทางขวาภายนอก ( เสียแล้ว ) เท้าซ้าย ( FL ) , นามสกุล ( EL ) ซ้าย , ซ้ายหุบ ( ADL )การลักพาตัว ( ABL ) ซ้าย ซ้ายหุบแนวนอน ( hadl ) ซ้ายไปแนวนอน ( habl ) , ซ้ายหมุนซ้ายหมุนภายใน ( IRC ) และภายนอก ( ERL ) ตามลำดับ
เพื่อหาที่เหมาะสมที่สุดสำหรับการตรวจสอบแบบของการฟื้นฟูสมรรถภาพไหล่โปรโตคอล ห้าคำ เปรียบเทียบ คือ bayesnet หลายชั้นธรรมดา 1-nearest 3-nearest , เพื่อนบ้าน , เพื่อนบ้านและต้นไม้การตัดสินใจ j48 . เพื่อตรวจสอบประสิทธิภาพของโปรโตคอลการตรวจสอบขั้นตอนวิธีในห้าคำห้าโฟลดใช้สร้างการรวมกันของการฝึกอบรมและทดสอบกับข้อมูลที่แตกต่างกันสามระดับการตั้งค่าดังแสดงในตารางที่ 2
การแปล กรุณารอสักครู่..