文献

J-GLOBAL ID：201702286422116637   整理番号：17A1980862

CLSTMに基づく歩行分類手法【JST・京大機械翻訳】

A Gait Pattern Classification Method Based on CLSTM

著者 (3件)： Xu Fan (華東理工大学信息科学与工程学院,上海,200237) ,  Cheng Hua (華東理工大学信息科学与工程学院,上海,200237) ,  Fang Yiquan (華東理工大学信息科学与工程学院,上海,200237)
資料名： Huadong Ligong Daxue Xuebao. Ziran Kexue Ban  (Huadong Ligong Daxue Xuebao. Ziran Kexue Ban)
巻： 43  号： 4  ページ： 553-558  発行年： 2017年 
JST資料番号： C2920A  ISSN： 1006-3080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 歩行分類は人体の運動エネルギー消費評価などの応用において重要な意義があり、分類精度を高め、統計特徴への依存を下げることは歩行分類の研究の焦点である。伝統的な歩行分類法によって抽出された歩行特徴を用いて、歩行を細分化する際に、比較的良い効果が得られない。歩行の連続性と異なる軸の間の信号の相関を考慮して,本論文は,CLSTMに基づく歩行分類法を提案した。畳込み神経回路網(CNN)を用いて,多軸歩行データを計算することにより歩行特性を抽出した。長時間短期記憶(LSTM)に基づき,歩行時系列モデルを構築し,歩行特性の時間次元における長期依存性を学習した。USC-HADデータセットに基づく実験結果は,歩行シーケンスの特徴を抽出するためにこの方法を用いることができて,歩行時間シーケンスの特徴を利用して,11の歩行の分類精度を向上することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 神経回路網 ,  *歩行 ,  多軸 ,  連続性 ,  運動エネルギー ,  畳込み
準シソーラス用語： 長期依存性 ,  短期記憶 ,  分類法 ,  分類精度 , 【Automatic Indexing@JST】

著者キーワード (4件)： gait classification ,  signal correlation ,  convolution neural network ,  LSTM

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 歩行 ,  分類 ,  手法