生物学论文_基于改进机器学习算法的步态识别与-计算机应用研究

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

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:《计算机应用研究》网址: http://www.jsjyyyjzz.cn/qikandaodu/2022/0127/2184.html