Details

Title: Кластерный анализ данных о движении человека: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_02 «Биомеханика и медицинская инженерия»
Creators: Букреев Павел Геннадьевич
Scientific adviser: Бабенков Михаил Борисович
Other creators: Хайбулова Евгения Александровна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2020
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: кластерный анализ; машинное обучение; метод к-средних; распознавание человеческой деятельности; биомеханика; cluster analysis; machine learning; k-means clustering; human activity recognition; biomechanics
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 01.03.03
Speciality group (FGOS): 010000 - Математика и механика
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-4297
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Additionally: New arrival

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В рамках данной выпускной работы было проведено сравнение трех методов кластерного анализа данных о движении человека. Работу можно разделить на три части: поиск подходящего устройства для получения исходных данных, поиск минимально необходимого набора признаков для выделения из исходных данных, применение и сравнение результатов трех рассмотренных методов кластерного анализа. Предложено дальнейшее улучшение применимости анализа данных о движении человека с использованием других методов.

In this work, a comparison of three different clustering methods was performed within the human activity recognition problem. The work can be divided into three parts: finding the appropriate device to record raw data, finding the minimum number of features required to be extracted from raw data, application and performance comparison of three clustering methods. Further work is suggested to include other methods of clustering in order to broaden the usability of human activity recognition.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Table of Contents

  • ВВЕДЕНИЕ
  • ГЛАВА 1. ОБЩИЕ СВЕДЕНИЯ
    • 1. Анализ движения человека
      • 1.1. Медицинское применение
      • 1.2. Спортивное применение
      • 1.3. Повседневное использование
    • 2. Биомеханика активностей
      • 2.1. Биомеханика стояния
      • 2.2. Биомеханика ходьбы
  • ГЛАВА 2. АНАЛИЗ ДАННЫХ
    • 3. Выбор датчика для сбора данных
      • 3.1. Преимущества смартфона
    • 4. Исходные данные
      • 4.1. Предварительная обработка данных
    • 5. Кластеризация
      • 5.1. Метод k-средних
      • 5.2. EM-алгоритм
      • 5.3. Иерархический подход
      • 5.4. Теоретическое сравнение алгоритмов
    • 6. Реализация алгоритмов
    • 7. Обработка исходных данных в STATISTICA
      • 7.1. Нормализация данных
      • 7.2. Среднеквадратическое отклонение
      • 7.3. Преобразование Фурье
    • 8. Результаты
      • 8.1. Метод k-средних
      • 8.2. EM-алгоритм
      • 8.3. Метод дерева групп
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Usage statistics

stat Access count: 5
Last 30 days: 0
Detailed usage statistics