《表2 取不同和K值时分类器准确率情况表》
由上表可得,5种步态相位的识别率在90.6%到95.3%之间,平均识别率为93.3%,平均识别时间为15.6ms,识别效果较好。相较于SVM算法和KNN算法,KNN-SVM的识别准确率得到提升,并且识别时间较短,当测试样本到SVM分类超平面的距离超过阈值时,选用改进参数的SVM算法进行识别,当距离小于ε时,以SVM分类器的所有支持向量作为测试样本的近邻样本,用KNN算法进行识别,不需要计算与所有训练样本的距离,减少识别时间,提高准确率。本文经过多次试验,当阈值ε=0.7,K=3时,分类器分类器具有最高准确率达到93.3%左右。取不同阈值和K值时分类器的准确率如表2所示。
图表编号 | XD00103703400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.05 |
作者 | 张语萌、李志俊、步子豪、陶加贝 |
绘制单位 | 武汉理工大学自动化学院、武汉理工大学自动化学院、武汉理工大学自动化学院、武汉理工大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |