Детальная информация

Название Разработка аналитической модели распознавания поведения пользователя в 3D симуляторе: выпускная квалификационная работа магистра: 27.04.04 - Управление в технических системах ; 27.04.04_07 - Распределённые интеллектуальные системы управления
Авторы Михеев Дмитрий Владимирович
Научный руководитель Потехин Вячеслав Витальевич
Другие авторы Киселева Людмила Анатольевна
Организация Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения Санкт-Петербург, 2018
Коллекция Выпускные квалификационные работы ; Общая коллекция
Тематика Компьютерное моделирование ; Изображения ; Распознавание образов
УДК 004.932'1
Тип документа Выпускная квалификационная работа магистра
Тип файла PDF
Язык Русский
Уровень высшего образования Магистратура
Код специальности ФГОС 27.04.04
Группа специальностей ФГОС 270000 - Управление в технических системах
Ссылки Отзыв руководителя ; Рецензия
DOI 10.18720/SPBPU/2/v18-939
Права доступа Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи RU\SPSTU\edoc\55709
Дата создания записи 06.11.2018

Разрешенные действия

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа Анонимные пользователи
Сеть Интернет

В данной работе основное внимание было уделено трехмерному эксперименту с сенсорным экраном, предназначенным для изучения данных траекторий движения руки и их последующего воздействия на опыт пользователя при взаимодействии с данным экраном. Основная цель этого тезиса состояла в том, чтобы проанализировать траектории движения руки. Эти данные были собраны при съемке видеороликов с повышенной частотой кадров при взаимодействии испытуемогои компьютера с при помощи трехмерного сенсорного экрана. Траектории руки записывались для каждой экспериментальной сессии в виде последовательностей расположения руки испытуемого. Используя параметры траектории руки, такие как местоположение целевого объекта и его параллакс, текущие параметры оценивали функции, позволяющие классифицировать классы параллакса. Был разработан механизм анализа траекторий движения руки. Траектории руки были отфильтрованы с помощью локально-линейной модели (алгоритм loess). Для достижения цели работы было извлечено 40 свойств траекторий, чтобы предоставить полезную информацию о поведении испытуемого. Модели классификации траекторий руки были реализованы с максимальной точностью 73% для классификации двух классов и 33% для классификации четырех классов. Сделан вывод о том, что траектории являются сложными данными для классификации.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ
Прочитать Печать Загрузить
Интернет Анонимные пользователи
  • РЕФЕРАТ
  • THE ABSTRACT
  • содержание
  • ВВЕДЕНИЕ
  • 1 ОПИСАНИЕ ЭКСПЕРИМЕНТА С 3D СИМУЛЯТОРОМ
    • 1.1 Система измерения траекторий движения руки
    • 1.2 Отслеживание движения руки
  • 2 МЕТОДЫ АНАЛИЗА ТРАЕКТОРИЙ ДВИЖЕНИЯ РУКИ
    • 2.1 Предобработка данных
      • 2.1.1 Фильтрация траекторий
      • 2.1.2 Уменьшение размерности
    • 2.2 Извлечение признаков
      • 2.2.1 Скорость и ускорение
      • 2.2.2 Положение и точность
      • 2.2.3 Характеристики, представляющие интерес для анализа указательных действий
    • 2.3 Кластеризация траекторий
    • 2.4 Классификация траекторий
    • 2.5 Прогнозирование траекторий
  • 3 ОПИСАНИЕ ПРОЦЕССА АНАЛИЗА ТРАЕКТОРИЙ
    • 3.1 Технология пайплайн
    • 3.2 Фильтрация траекторий
    • 3.3 Генерация особенностей траекторий
    • 3.4 Преобразование данных
      • 3.4.1 Уменьшение размерности
      • 3.4.2 Нормализация данных
    • 3.5 Классификация
      • 3.5.1 Метод опорных векторов
      • 3.5.2 Random Forest
      • 3.5.3 Многослойный персептрон
  • 4 ЭКСПЕРИМЕНТЫ
    • 4.1 Входные данные
    • 4.2 Результаты экспериментов
      • 4.2.1 Эксперименты над исходным набором данных
      • 4.2.2 Бинарная классификация
      • 4.2.3 Классификация четырех классов
  • Заключение
  • Список литературы

Количество обращений: 102 
За последние 30 дней: 0

Подробная статистика