《基于S_Kohonen神经网络的乒乓球运动识别》PDF+DOC
作者:李斌,靳鹏飞,吴朝晖
单位:华中科技大学
出版:《华中科技大学学报(自然科学版)》2020年第03期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFHZLG2020030100
DOC编号:DOCHZLG2020030109
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于优化神经网络的压制干扰分类方法》PDF+DOC2018年第01期 杨洁,穆彦斌,程晓健
《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英
《人工肺-嗅觉系统集成与混合气体识别方法》PDF+DOC2017年第01期 杨胜男,吴伟国
《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞
《高性能感应电机驱动在工业的应用》PDF+DOC2015年第11期 王雪
《旋转机械故障诊断的方法研究》PDF+DOC2016年第08期 吴立新
《浅议基于优化算法的开关磁阻电机无位置检测》PDF+DOC2015年第12期 张贵平
《基于GANN的SRM无位置传感器位置预估方法研究》PDF+DOC2015年第02期 宋受俊,葛乐飞,王路生,王琛
《传感器数据证实技术应用研究》PDF+DOC2004年第05期 吴祖堂,王群书,蒋庄德
《基于遗传小波神经网络的机器人腕力传感器动态补偿研究》PDF+DOC2009年第05期 俞阿龙
针对乒乓球运动识别方法通常无法实时识别、识别率低和识别算法复杂度高,从而导致穿戴式设备续航能力差等问题,提出一种基于遗传算法优化S_Kohonen(supervisedKohonen)神经网络的乒乓球运动实时识别方法,并完成系统设计.该系统通过单MPU6050六轴加速度传感器采集运动信号,采用动作端点检测算法提取动作始末端点,基于db4小波对动作信号进行3层分解,同时用遗传算法优化S_Kohonen神经网络对乒乓球常见的6种动作进行识别.实验结果表明:该运动识别方法离线平均识别率为99.17%,实时平均识别率为91.67%,待机功耗为0.28 mW,运行模式功耗为14 mW,识别时间为2 ms,证明该方法识别迅速、功耗低、识别准确率高。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。