مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

14
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

خوشه بندی الگوی سینماتیکی دوندگان: مطالعه مقایسه ای الگوریتم های سلسله مراتبی، K-Means و خوشه بندی زمانی عمیق

صفحات

 صفحه شروع 698 | صفحه پایان 709

چکیده

 مقدمه و اهداف در پژوهش های بیومکانیکی, عملکرد الگوریتم های خوشه بندی یادگیری عمیق معمولاً برای شناسایی الگوهای حرکتی همگن در دوندگان هنوز ناشناخته است. هدف این مطالعه مقایسه عملکرد الگوریتم های خوشه بندی سلسله مراتبی و K-means مبتنی بر PCA با الگوریتم خوشه بندی زمانی عمیق مبتنی بر نگاشت سرتاسری داده ها در شناسایی گروه های دوندگان با الگوی حرکتی مشابه, بر اساس داده های سینماتیک مفصل مچ پا بود.مواد و روش ها زوایای سه بعدی مفصل مچ پا از 108 دونده سالم تفریحی (سن:2/42± 22/45 سال, قد: 0/11± 1/69متر, توده بدن: 9/54± 64/64کیلوگرم, جنسیت: 55 مرد, 53 زن) حین دویدن با پای برهنه با سرعت 0/3± 3 متر بر ثانیه, به دست آمد. الگوریتم های خوشه بندی عمیق زمانی, سلسله مراتبی و K-means با استفاده از زوایای مفصل مچ پا حین دویدن آموزش داده شدند. پس از خوشه بندی, عملکرد و دقت خروجی هر الگوریتم در شناسایی خوشه های با الگوی حرکتی همگن با محاسبه شاخص های ارزیابی خوشه بندی (ضریب سیلوئت, شاخص دیویس ـ بولدین و شاخص کالینسکی ـ هاراباز), مورد ارزیابی قرار گرفتند. یافته ها در تفکیک خوشه ها, الگوریتم خوشه بندی عمیق زمانی با امتیاز سیلوئت 0/74و شاخص دیویس ـ بولدین برابر با 0/35, نشان داد در مقایسه با 2 الگوریتم دیگر از عملکرد و دقت خروجی بهتری برخوردار است. این الگوریتم 3 خوشه مجزا را با نرخ ناسازگاری 6 درصد شناسایی کرد. خوشه بندی سلسله مراتبی دارای امتیاز سیلوئت 0/68 و 0/52 در شاخص دیویس ـ بولدین با زمان اجرای 10 ثانیه و نرخ ناسازگاری 15 درصد بود. K-means دارای امتیاز سیلوئت 0/63 و 0/78 در شاخص دیویس ـ بولدین بود که در 3 ثانیه با نرخ ناسازگاری 18 درصد اجرا شد. نتیجه گیری یافته های این مطالعه نشان می دهد الگوریتم خوشه بندی زمانی عمیق در مقایسه با روش های سنتی, مانند خوشه بندی سلسله مراتبی و K-means, عملکرد بهتری در شناسایی الگوی حرکتی همگن مفصل مچ پایدوندگان دارد. دقت بالاتر و نرخ ناسازگاری پایین تر این الگوریتم, آن را به گزینه ای مناسب برای تحلیل داده های سینماتیک در پژوهش های بیومکانیکی تبدیل می کند. این نتایج می تواند درک و تحلیل الگوهای حرکتی را بهبود بخشد و به تدوین استراتژی های کارآمد جهت تجویز مداخلات هدفمند کمک کند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button