APP下载

基于神经网络模型的加速度计活动强度算法研究

2017-07-07陈庆果杨世军廖方萍

天津体育学院学报 2017年1期
关键词:活动模型

陈庆果,彭 彪,杨世军,廖方萍

●博士(生)论坛 Doctor Forum

基于神经网络模型的加速度计活动强度算法研究

陈庆果,彭 彪,杨世军,廖方萍

旨在引入神经网络算法以提高加速度计活动强度的预测准确性,以44名大学生(男女各22名)为样本,让其同时佩戴气体代谢分析仪Cosmed K4B2和加速度计(Actigraph-GT3X)进行3类11项体力活动(每项活动5min),使用Matlab7.0软件运用留一法交叉验证BP神经网络模型,通过其与Hendleman模型和Crouter模型在RMSE、Bias和B-A图上的横向比较评估其效度。结果显示3-18-1的三层神经网络模型(参数:误差率0.001、初始学习率0.02、动量常量0.7)的RMSE为1.08,在B-A图上一致性区间之外的点占总数的4.3%、一致性界限差值的绝对值为2.7,每分钟活动强度(除骑行外)的分类准确性分别为84.3%(小强度)、83.2%(中等强度)和89.8%(大强度),神经网络模型在整体强度和各个活动项目强度的预测上的准确性均好于Hendleman和Crouter模型,并且在活动强度分类准确性上更优。未来应进一步探究机器学习中其它算法在该领域的应用,优化整合指标体系和各类模型之间的关系。

神经网络模型;加速度计;活动强度;预测

加速度计原始数据转换为活动强度(METs)的算法问题一直是体力活动测量领域的核心和难点。早期的方法是在试验室情景下同时获取加速度和运动能耗数据,将加速度原始数据转换为count数值后建立与METs的回归方程,如Freedson方程[1]、Hendleman方程[2]、Swartz方程[3]和Yngve方程[4]均是此类方程。此类方法最主要的局限在于单个回归方程难以拟合各种类型的体力活动,基于走跑运动建立的方程预测生活方式活动强度的误差较大,反之亦然[5];……

登录APP查看全文

猜你喜欢

活动模型
一半模型
“六小”活动
“活动随手拍”
行动不便者,也要多活动
牛年到,节日活动可以这么“牛”
“拍手歌”活动
重尾非线性自回归模型自加权M-估计的渐近分布
三八节,省妇联推出十大系列活动
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究