《表1 每个被试者的4种机器学习算法的准确率以及平均准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《穿戴式手势交互系统与识别算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在10名实验者数据集上执行准确性和有效性实验．采用5折交叉验证来测量所提出系统的性能．分别将每名被试者的数据集划分为5组，其中4组用于训练，其余用于测试．我们获得了5折的10个训练模型准确度，评估结果如表1所示，显示了每个被试者的4种机器学习算法的准确率以及平均准确率．由于执行手势的速度和方法不同并且传感器和手之间的距离对于每个被试者是不同的，因此手势识别的准确性对于每个被试者而变化．4种算法中ConvBLSTM的平均识别准确率高达99.2%，显著优于其余三种算法（ConvBLSTM vs.BiLSTM，p<0.0001；ConvBLSTM vs.KNN，p<0.01；ConvBLSTM vs.SVM，p<0.01）．当在显著性水平α=0.05的情况下，ConvBLSTM和其它三种算法分别进行T检验时的p值均小于0.05，h均为1，表明可以从统计上断定算法ConvBLSTM的结果大于BiLSTM、KNN、SVM的结果，即两组数据均值的比较是有意义的，存在显著性差异，表明ConvBLSTM样本间差异小，更加精确和稳定．对于ConvBLSTM、BiLSTM、KNN以及SVM算法，每个被试者的准确率标准差分别为0.75，1.39，2.57，2.19．我们发现第3和第5名被试者的数据集在BiLSTM，SVM以及KNN上的准确率均是十名被试者中最低的，但在ConvBLSTM上的表现依然优秀，表明ConvBLSTM算法具有最佳精度，而且对被试者执行的各种手势特征具有更强的鲁棒性．