节点文献

基于CLSTM的步态分类方法

免费订阅

【作者】 许凡程华房一泉

【Author】 XU Fan;CHENG Hua;FANG Yi-quan;School of Information Science and Engineering,East China University of Science and Technology;

【机构】 华东理工大学信息科学与工程学院

【摘要】 步态分类在人体运动能量消耗评估等应用中具有重要意义,提高分类精度和降低对统计特征的依赖是步态分类的研究热点。采用传统的步态分类方法提取的步态特征用于细分化步态时不能得到较好的效果。考虑到步态的连续性和不同轴之间信号的相关性,本文提出了基于CLSTM的步态分类方法:采用卷积神经网络(CNN)操作,通过计算多轴步态数据提取步态特征;基于长短期记忆(LSTM)构建步态时间序列模型,学习步态特征图时间维度上的长期依赖性。基于USC-HAD数据集的实验结果表明,用此方法提取了步态序列特征,很好地利用了步态时间序列特点,提升了11种步态的分类精度。

【关键词】 步态分类信号相关性卷积神经网络LSTM
【所属期刊栏目】 研究论文 (2017年04期)
  • 【DOI】10.14135/j.cnki.1006-3080.2017.04.015
  • 【分类号】TP183;TP391.41
  • 【下载频次】46
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: