It is well-known that wavelet analy

It is well-known that wavelet analysis[5], as a powerful
technique that can provide both spectral and temporal
information simultaneously, has successfully been applied in
the biomedical signal processing for feature extraction[5,6]. In
the present study, for the sake of improving the generalization
performance ANN-based gait classifier, we addressed a novel
scheme of intelligent model for automatic recognition of gait
patterns. The wavelet transform technique was firstly used to
extract some good features from highly correlated timedependent
gait variables, and then the extracted gait features
are used to initiate the training set of ANN. In order to evaluate
the proposed model effectively, the kinematic gait data of 24
young and 24 elderly participants were acquired and analyzed.
In addition, we compared the proposed model with the
classification model based on traditional selection of gait
features

ผลลัพธ์ (ไทย) 1:

เป็นที่รู้จักที่วิเคราะห์ wavelet [5], เป็นพลังเทคนิคที่สามารถให้สเปกตรัม และขมับข้อมูลพร้อมกัน ได้สำเร็จถูกใช้ในสัญญาณทางชีวการแพทย์ที่ประมวลผลสำหรับการสกัดคุณลักษณะ [5,6] ในศึกษาปัจจุบัน เพื่อปรับปรุงการ generalizationประสิทธิภาพตามแอนเดิน classifier เราส่งนวนิยายโครงร่างของรูปแบบอัจฉริยะสำหรับการรับรู้โดยอัตโนมัติของการเดินรูปแบบการ ประการแรกใช้เทคนิคการแปลง wavelet ถูกแยกคุณลักษณะบางอย่างดีจาก timedependent correlated สูงตัวแปรการเดิน และคุณลักษณะเดินแยกใช้เพื่อเริ่มต้นชุดฝึกของแอน เพื่อประเมินนำเสนอรูปแบบได้อย่างมีประสิทธิภาพ ข้อมูลเดินจลน์ของ 24คนสูงอายุหนุ่ม และ 24 ได้รับ และวิเคราะห์นอกจากนี้ เราเปรียบเทียบรูปแบบนำเสนอมีการประเภทจำลองแบบตัวเลือกเดินลักษณะการทำงาน

ผลลัพธ์ (ไทย) 2:

มันเป็นที่รู้จักกันดีว่าการวิเคราะห์เวฟ [5]
เป็นที่มีประสิทธิภาพเทคนิคที่สามารถให้ทั้งผีและเวลาข้อมูลพร้อมกันได้รับการประสบความสำเร็จนำไปใช้ในการประมวลผลสัญญาณชีวการแพทย์ในการสกัดคุณลักษณะ[5,6] ในการศึกษาครั้งนี้เพื่อประโยชน์ของการปรับปรุงลักษณะทั่วไปประสิทธิภาพลักษณนามANN เดินตามเราจ่าหน้านวนิยายรูปแบบของรูปแบบที่ชาญฉลาดสำหรับการรับรู้โดยอัตโนมัติของการเดินรูปแบบ เทคนิคการแปลงเวฟเล็ตถูกนำมาใช้ครั้งแรกในการดึงคุณสมบัติที่ดีบางส่วนจากความสัมพันธ์อย่างมาก timedependent ตัวแปรเดินแล้วคุณสมบัติการเดินสกัดที่ใช้ในการเริ่มต้นการฝึกอบรมชุดของแอน เพื่อประเมินรูปแบบที่นำเสนอได้อย่างมีประสิทธิภาพข้อมูลการเดินจลนศาสตร์ของ 24 หนุ่มสาวและผู้สูงอายุ 24 คนได้มาและวิเคราะห์. นอกจากนี้เราเมื่อเทียบกับการนำเสนอรูปแบบที่มีรูปแบบการจัดหมวดหมู่ตามการเลือกแบบดั้งเดิมของการเดินคุณสมบัติ

ผลลัพธ์ (ไทย) 3:

มันเป็นที่รู้จักกันดีว่า เทคนิคการวิเคราะห์ [ 5 ] เป็นเทคนิคที่มีประสิทธิภาพที่สามารถให้ทั้งสเปกตรัม

และข้อมูลเวลาพร้อมกัน ได้ประยุกต์
การประมวลผลสัญญาณทางการแพทย์สำหรับคุณลักษณะการสกัด [ 5 , 6 ] ใน
การศึกษาเพื่อปรับปรุงประสิทธิภาพการใช้ลักษณนาม
แอนเดิน เราส่งนิยาย
โครงร่างของแบบอัจฉริยะสำหรับการรับรู้โดยอัตโนมัติของรูปแบบการเดิน

เทคนิคการแปลงเวฟเดิมทีเคย

บางคุณสมบัติจากสารสกัดจากระดับสูง timedependent
การเดินตัวแปรแล้วแยกเดินคุณสมบัติ
ใช้ในการเริ่มต้นการตั้งค่าของแอน เพื่อประเมิน
แบบจำลองจลน์ของข้อมูลได้อย่างมีประสิทธิภาพ , 24
เด็กและผู้สูงอายุ 24 ผู้ได้มาวิเคราะห์
นอกจากนี้เราเทียบแบบกับ
การจำแนกรูปแบบขึ้นอยู่กับการเลือกแบบของลักษณะการเดิน