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 lowdimensional
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 เราตรวจสอบแอพลิเคชันของการความหลากหลายนับอัลกอริทึมในการวิเคราะห์ข้อมูลเดินในการเรียนรู้การปรับปรุงประสิทธิภาพการทำงานการจัดประเภทการเดิน มีมากมายอัลกอริทึมเช่นอัลกอริทึมการแมปวาดสามมิติคุณลักษณะการเรียนรู้(ISOMAP) ประการแรกถูกจ้างทำลักษณะไม่เชิงเส้นสกัดการเริ่มต้นชุดฝึกอบรม และมีผลในการการจัดประเภทตามมาแล้วทดสอบกับเรียนรู้อัลกอริทึมเช่นสนับสนุนเครื่องแบบเวกเตอร์ เดียวมีวิเคราะห์ข้อมูลรวมถึงคนหนุ่มสาว และผู้สูงอายุ และผลการทดลองสาธิตที่ generalization ที่ประสิทธิภาพของ ISOMAP SVM เป็นการปรับปรุงอย่างเห็นได้ชัดประสิทธิภาพเมื่อเทียบกับ classifier ดั้งเดิมสำหรับการจดจำรูปแบบการเดินของผู้สูงอายุยัง งานของเราแนะนำที่เรียนรู้ความหลากหลายนับอัลกอริทึมสามารถหา intrinsic lowdimensionalมากมายที่ฝังในมิติสูงเดินข้อมูลและได้รับคุณลักษณะเดิน 'แท้จริง' ไม่เชิงเส้นที่เกี่ยวข้องกับมนุษย์เดินเปลี่ยนฟังก์ชันสำหรับการปรับปรุงการจัดประเภทเดินประสิทธิภาพของ เทคนิคการนำเสนอมีศักยภาพมากสำหรับการใช้งานทางคลินิกในอนาคต

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะตรวจสอบการประยุกต์ใช้ในขั้นตอนวิธีการเรียนรู้มากมายในการวิเคราะห์ข้อมูลการเดินสำหรับการปรับปรุงประสิทธิภาพการจัดหมวดหมู่การเดิน นานาขั้นตอนวิธีการเรียนรู้เช่นขั้นตอนวิธีการทำแผนที่คุณลักษณะที่มีมิติเท่ากัน(ISOMAP) ถูกจ้างแรกที่จะดำเนินการคุณลักษณะเชิงเส้นสกัดสำหรับการเริ่มต้นชุดการฝึกอบรมและผลกระทบต่อจำแนกตามมาได้รับการทดสอบแล้วร่วมกับขั้นตอนวิธีการเรียนรู้เช่นการสนับสนุนเครื่องเวกเตอร์ ท่าเดินข้อมูลรวมทั้งเยาวชนและผู้สูงอายุที่ได้มาวิเคราะห์และผลการทดลองแสดงให้เห็นว่าลักษณะทั่วไปประสิทธิภาพการทำงานของISOMAP-SVM เป็นที่ดีขึ้นอย่างเห็นได้ชัดประสิทธิภาพเมื่อเทียบกับจําแนกแบบดั้งเดิมสำหรับการรับรู้รูปแบบการเดินหนุ่มผู้สูงอายุ การทำงานของเราชี้ให้เห็นว่าขั้นตอนวิธีการเรียนรู้มากมายสามารถหา lowdimensional ภายในท่อฝังในข้อมูลการเดินสูงมิติและได้รับ'ความจริง' เดินไม่เชิงเส้นคุณสมบัติที่เกี่ยวข้องกับการเปลี่ยนแปลงฟังก์ชั่นการเดินของมนุษย์สำหรับการปรับปรุงการจัดหมวดหมู่การเดินประสิทธิภาพ เทคนิคที่นำเสนอมีศักยภาพมากสำหรับการใช้งานทางคลินิกในอนาคต

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราได้ศึกษาการประยุกต์ใช้อัลกอริทึมการเรียนรู้
มากมายในการวิเคราะห์ข้อมูลสำหรับการพัฒนาของการเดินการเดินการจำแนกผลการปฏิบัติงาน เป็นอเนก
อัลกอริทึมการเรียนรู้ เช่น ไอโซเมตริกคุณลักษณะแผนที่อัลกอริทึม
( isomap ) คือตอนแรกใช้แสดงเส้นคุณลักษณะ
การสกัดแบบชุดฝึกอบรม และผลกระทบบน
หมวดหมู่ต่อไป จากนั้นจึงทำการทดสอบร่วมกับ
อัลกอริทึมการเรียนรู้เช่นเครื่องเวกเตอร์สนับสนุน เดินข้อมูลรวมทั้งเด็กและผู้สูงอายุ

ร่วมวิเคราะห์ และพบว่า ลักษณะทั่วไปของการปรับปรุงประสิทธิภาพ isomap-svm

อย่างเห็นได้ชัดเมื่อเทียบกับแบบดั้งเดิมตามเพื่อ
จำหนุ่มผู้สูงอายุ การเดินแบบงานแนะนำว่า
อเนกอัลกอริทึมการเรียนรู้สามารถค้นหาภายใน lowdimensional
อเนกการฝังข้อมูลการเดินสูง - มิติ
, และได้รับ ' เป็นจริง ' เส้นการเดินคุณลักษณะที่เกี่ยวข้องกับ
เปลี่ยนฟังก์ชันเดินมนุษย์เพื่อปรับปรุงการเดินหมวดหมู่
) เทคนิคที่นำเสนอมีศักยภาพมากสำหรับการใช้งานในอนาคต
คลินิก