基于足底触觉特征的步态识别算法研究的中期报告.docx

基于足底触觉特征的步态识别算法研究的中期报告
本研究旨在通过利用足底触觉传感器收集的数据，利用机器学习算法对步态进行识别。在之前的研究中，我们已经完成了对数据的收集和预处理工作，并进行了一定的特征提取和分析工作。
在本阶段，我们主要从以下三个方面进行研究：
1.特征选择
我们通过对数据的初步分析和特征工程，选出了一系列可能与步态特征相关的足底触觉特征。然而，由于这些特征之间可能存在冗余或者相互影响的情况，因此我们需要通过一定的特征选择方法进行筛选，以选出最相关的特征作为模型的输入。
我们尝试了多种特征选择方法，包括基于统计学的方法、基于模型的方法以及基于嵌入式方法等。其中，基于嵌入式方法的Lasso回归表现出了较为良好的效果，可以有效地对特征进行筛选，并得到较好的步态识别效果。
2.模型训练与优化
我们选用了多种机器学习算法，包括SVM、决策树、KNN等，并对它们进行了模型训练与优化。尤其是在SVM中，我们采用了网格搜索的方式对参数进行了调优，同时还采用了交叉验证的方式来避免过拟合和欠拟合的情况。
在模型训练和评估过程中，我们使用了准确率、召回率、F1值等指标来衡量模型的性能。同时，我们也尝试了对不同类别的步态进行区分，以进一步提高模型的精度及适用范围。
3.结果分析与展望
在对数据进行多组实验的结果表明，我们所提出的方法具有较高的步态识别精度，可以达到90%以上的分类准确率。同时，在对不同类别步态识别的实验中，模型的精度也有较大提高，达到了85%以上。
虽然我们所提出的算法在步态识别方面表现出了良好的效果，但仍然存在一些问题，例如数据量较小、分类不够全面等。在下一步的工作中，我们将进一步优化模型，并扩大数据集规模，以期达到更好的步态识别效果。