生物学论文_基于改进机器学习算法的步态识别与 - 计算机时代杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 计算机时代

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

生物学论文_基于改进机器学习算法的步态识别与

作者:

关键词:

摘要：

文章摘要:针对人体下肢不同步态过程的个体差异和行走过程中步幅随机变化等问题，本文提出一种利用运动姿态信号进行步态识别与预测的方法。研究采用基于免疫粒子群算法（IPSO）优化门控循环单元（GRU）网络算法，建立以人体姿态变化数据为输入，以下一阶段姿态变化数据及准确率为输出的网络模型，以期实现对人体姿态变化的预测。本文首先明确概述IPSO优化GRU算法的过程，采集多名受试者分别执行平地行走、蹲起、坐姿腿屈伸等动作的人体姿态变化数据，通过对比分析IPSO优化的循环神经网络（RNN）、长短期记忆网络（LSTM）、GRU网络识别与预测情况，以验证所建模型的有效性。试验结果显示，优化后的算法可较好预测人体姿态变化，其中平地行走和蹲起动作的均方根误差（RMSE）可精确到10^-3，坐姿腿屈伸的RMSE可精确到10^-2；各种动作的R²值均可达0.966以上。以上研究结果表明，优化后的算法可应用于实现康复治疗中人体步态运动评价和步态趋势预测、假肢和下肢康复设备设计等研究，对今后提高患者肢体功能、活动水平和生活独立能力的研究提供参考。

文章关键词:

项目基金:《计算机时代》网址: http://www.jsjsdzzs.cn/qikandaodu/2022/0127/2270.html