【摘要】：針對(duì)傳統(tǒng)的分類方法在對(duì)運(yùn)動(dòng)數(shù)據(jù)的最優(yōu)關(guān)聯(lián)數(shù)據(jù)進(jìn)行分類時(shí),存在分類誤差大、效率低的問題,提出基于決策樹尋優(yōu)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類算法。采用有向圖模型構(gòu)建運(yùn)動(dòng)數(shù)據(jù)的最優(yōu)關(guān)聯(lián)數(shù)據(jù)分布式結(jié)構(gòu)模型,對(duì)采集的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行非線性時(shí)間序列特征重構(gòu),在重構(gòu)的運(yùn)動(dòng)數(shù)據(jù)高維特征空間中進(jìn)行運(yùn)動(dòng)數(shù)據(jù)的關(guān)聯(lián)性映射,提取反映運(yùn)動(dòng)數(shù)據(jù)類別的屬性特征,通過決策樹尋優(yōu)方法實(shí)現(xiàn)運(yùn)動(dòng)數(shù)據(jù)的自適應(yīng)分類。仿真結(jié)果表明,采用該方法進(jìn)行運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)分類,其準(zhǔn)確性較好、誤分率較低,從而有效挖掘運(yùn)動(dòng)數(shù)據(jù)的關(guān)聯(lián)信息,實(shí)現(xiàn)運(yùn)動(dòng)特征監(jiān)測(cè)。
[Abstract]:Aiming at the problems of large classification error and low efficiency in the traditional classification method for the optimal association data of motion data, a classification algorithm for optimal association data in motion data based on decision tree is proposed. The distributed structure model of optimal correlation data is constructed by using directed graph model, and the motion data is reconstructed by nonlinear time series feature reconstruction. The relevance mapping of motion data is carried out in the reconstructed high-dimensional feature space of motion data, and the attribute features reflecting the category of motion data are extracted, and the adaptive classification of motion data is realized by the method of decision tree optimization. The simulation results show that the proposed method has good accuracy and low error rate in the classification of the optimal association data in the motion data, so it can effectively mine the association information of the motion data and realize the motion feature monitoring.
【作者單位】： 福建工程學(xué)院;
【基金】：福建省教育科學(xué)“十二五”規(guī)劃項(xiàng)目(FJJKCG14-112)
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙曉娟;;基于幾何特征的人體運(yùn)動(dòng)數(shù)據(jù)表示方法[J];網(wǎng)絡(luò)財(cái)富;2008年12期

2 寧光芳;齊小文;;海量運(yùn)動(dòng)數(shù)據(jù)中的差異參數(shù)優(yōu)化挖掘方法[J];計(jì)算機(jī)仿真;2014年06期

3 龔光紅 ,李寧;人體運(yùn)動(dòng)的測(cè)量與數(shù)據(jù)修正[J];測(cè)控技術(shù);2003年04期

4 張順;梁秀波;李啟雷;耿衛(wèi)東;;示范表演驅(qū)動(dòng)的運(yùn)動(dòng)數(shù)據(jù)檢索方法及可用性評(píng)估[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2009年04期

5 陳松樂;孫正興;張巖;李騫;;民族舞蹈運(yùn)動(dòng)數(shù)據(jù)的實(shí)例檢索方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年02期

6 方小勇;魏小鵬;張強(qiáng);周東生;;人體運(yùn)動(dòng)數(shù)據(jù)重構(gòu)方法進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2008年11期

7 吳升;張強(qiáng);肖伯祥;魏小鵬;;一種有效的光學(xué)運(yùn)動(dòng)捕捉數(shù)據(jù)處理方法[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2009年05期

8 邢薇薇;仝磊鳴;張毅;任程;;基于余弦距離的人體運(yùn)動(dòng)數(shù)據(jù)行為分割算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

9 胡曉雁;梁曉輝;趙沁平;;自動(dòng)匹配虛擬人模型與運(yùn)動(dòng)數(shù)據(jù)[J];軟件學(xué)報(bào);2006年10期

10 向堅(jiān);吳飛;莊越挺;俞堅(jiān);;非線性子空間中的運(yùn)動(dòng)數(shù)據(jù)編輯和風(fēng)格生成[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年12期

相關(guān)會(huì)議論文 前1條

1 張焰;費(fèi)廣正;韓紅雷;朱永峰;;運(yùn)動(dòng)數(shù)據(jù)的風(fēng)格化處理綜述[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 中科院計(jì)算機(jī)所 朱登明;一切都是為了更“傳神”[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前1條

1 向堅(jiān);基于三維捕獲數(shù)據(jù)的人體運(yùn)動(dòng)分析關(guān)鍵技術(shù)研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前5條

1 陳誠;基于Hadoop集群的運(yùn)動(dòng)監(jiān)測(cè)與管理系統(tǒng)[D];廣東工業(yè)大學(xué);2016年

2 朱琳;運(yùn)動(dòng)數(shù)據(jù)在二維角色動(dòng)畫中的應(yīng)用研究[D];北京工業(yè)大學(xué);2016年

3 同彥霖;基于時(shí)間線的運(yùn)動(dòng)數(shù)據(jù)可視化方法研究[D];長(zhǎng)安大學(xué);2013年

4 蘇文瑛;基于三維人體運(yùn)動(dòng)數(shù)據(jù)的情感識(shí)別[D];天津大學(xué);2012年

5 姚藝;個(gè)性化動(dòng)態(tài)人體蒙皮[D];華南理工大學(xué);2013年

，

本文編號(hào)：2239423