【技术实现步骤摘要】
一种基于回归
‑
优化
‑
反馈的多维步态特征相关分析方法
[0001]本专利技术属于医工结合
，尤其涉及一种基于回归
‑
优化
‑
反馈的多维步态特征相关分析方法。
技术介绍
[0002]由于数据可以从不同的设备中获得，因此在决策数据之间发现了许多不同的关系。但数据转换和设备兼容性技术还不够成熟，这严格限制了大规模步态数据和模型的共享。高数据维数是步态分析的另一个制约因素。对于高维数据，如果样本数量不够，就会在一定程度上缺失各维度属性之间的关联。这种情况将直接影响回归预测能力。此外，决策变量之间的相关性非常复杂。多维步态数据之间存在多重相关性。
技术实现思路
[0003]为了解决上述现有技术中存在的问题，本专利技术提供一种基于回归
‑
优化
‑
反馈的多维步态特征相关分析方法，该方法能够提取决策变量，进行降维与变量组合，改善步态属性；该方法结合最小二乘支持向量机(LS
‑
SVM)和柔性网格...
【技术保护点】
【技术特征摘要】
1.一种基于回归
‑
优化
‑
反馈的多维步态特征相关分析方法，其特征在于，步骤如下：S1、使用最小二乘支持向量机对学习集进行回归，并对测试集进行预测；S2、利用柔性网格优化算法，根据预测误差对LS
‑
SVM参数进行改进；S3、获取不同的学习集，比较回归预测效果，在学习集中得到更好的属性组合；基于较优属性组合的属性融合形成决策变量，最终用于回归预测模式。2.如权利要求1所述的基于回归
‑
优化
‑
反馈的多维步态特征相关分析方法，其特征在于，使用函数TLSSVM训练LS
‑
SVM的支持值和偏差。3.如权利要求1所述的基于回归
‑
优化
‑
反馈的多维步态特征相关分析方法，其特征在于，通过FGO优化算法对LS
‑
SVM的参数进行了改进。如权利要求3所述的基于回...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。