作者:王文锐,周旭,李文康,吴忆东,杨先军,姚志明 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2019年第11期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2019110090 DOC编号:DOCCGJS2019110099 下载格式:PDF + Word/doc 文字可复制、可编辑
《帕金森病患者手指静止性震颤的量化评估》PDF+DOC2017年第09期 汪加胜,项尚,徐大兵,刘遥,王佳炜,程楠,王训 《基于支持向量机的跌倒检测算法研究》PDF+DOC2017年第01期 裴利然,姜萍萍,颜国正 《基于多传感器数据融合的跌倒检测算法》PDF+DOC2016年第05期 李坤,姜萍萍,颜国正 《多条件约束的行人导航零速区间检测算法》PDF+DOC2016年第01期 田晓春,陈家斌,韩勇强,杨黎明,尹静源 《基于Allan方差改进阈值的惯性传感器动态信号小波去噪》PDF+DOC2016年第11期 朱战辉,张友妮,汪立新,曲云星 《基于手机惯性传感器与多特征CNN的驾驶行为识别算法》PDF+DOC2019年第03期 谢非,汪壬甲,沈世斌,孙蕊,张斌,刘锡祥 《帕金森病冻结步态的实时监测系统》PDF+DOC2019年第02期 袁心一,王家莉,仇一青,杨春晖,胡小吾,吴曦,沈林勇 《基于函数型数据时间序列建模的单传感器日常行为识别》PDF+DOC2018年第07期 苏本跃,郑丹丹,盛敏 《机动目标跟踪的修正输入估计(MIE)算法与自适应α—β算法》PDF+DOC1992年第01期 罗鹏飞 《新颖电子笔》PDF+DOC2003年第03期
  • 手部精细动作能力是老年人运动机能的重要表现之一,对其进行量化评估,有助于全面评估老年人的运动能力,促进健康养老产业发展。提出了一种基于惯性传感器的手部精细动作能力评估分级方法,基于佩戴在拇指、食指上的惯性传感器采集的数据,分析、提取时域和频域内均方根值、功率峰值等指标,采用K近邻(KNN)、支持向量机(SVM)、神经网络(BP)和RUSBoost算法等4种常见的机器学习分类算法构建手部精细动作能力分级评估模型,并进行测试验证。结果表明,采用RUSBoost算法构建的模型识别率为90.63%,可以有效地对手部精细动作能力进行评估分级。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。