一种基于低维足底压力特征的静态步态聚类算法

摘要：

为了探究足底压力特征在身份识别中的应用,提出了一种静态步态聚类算法.该算法首先从压力测试板提取的静态数据中提取当前常用的足底压力特征,包含全局及局部特征,形成特征向量来表征样本对象;接着利用非负矩阵分解方法(non-negative matrix factorization,NMF)获取样本在变换特征空间中的映射及低维表示;最后结合模糊C-均值算法(fuzzy C-means algorithm,FCM)对降维后的样本对象进行聚类识别.实验结果显示该算法的聚类正确率达到90％左右;同时与其他算法对比,该算法在精度上具有较大的优势.经过实验验证与对比分析,该算法将样本数据压缩到极低维特征空间时,仍有效保留了样本类别信息,进而得出结论,该算法提取出的足底压力特征是有效的、可行的.

关键词：身份识别、静态数据、足底压力、非负矩阵分解、模糊C-均值算法

所属期刊栏目：32

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61172127;高等学校博士学科点科研基金资助项目20113401110006;安徽省自然科学基金资助项目1208085MF93

在线出版日期：2015-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2176-2178,2183