Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Developing an Intelligent Model for the Construction a Hip Shape Recognition System Based on 3D Body Measurement

Tytuł:
Developing an Intelligent Model for the Construction a Hip Shape Recognition System Based on 3D Body Measurement
Opracowanie inteligentnego modelu dla rozpoznania konstrukcji kształtu bioder
Autorzy:
Jin, J.-F.
Yang, Y.-C.
Zou, F.-Y.
Powiązania:
https://bibliotekanauki.pl/articles/234324.pdf
Data publikacji:
2016
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
intelligent recognition system
probabilistic neural network
classification accuracy
feature reduction
typical index
cluster analysis
inteligentny system rozpoznawania
sieć neuronowa
dokładność klasyfikacji
funkcja redukcji
typy kształtu bioder
Źródło:
Fibres & Textiles in Eastern Europe; 2016, 5 (119); 110-118
1230-3666
2300-7354
Język:
angielski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
The purpose of this paper was to develop an intelligent recognition system consisting of a feature reduction method combining cluster and correlation analyses, and a probabilistic neural network (PNN) classifier to identify different types of hip shape from 3D measurement for each person. Firstly 28 items reflecting lower body part information of 300 female university students aging from 20 to 24 years were selected. The feature reduction method was employed to extract typical indices. Secondly hip shapes were subdivided into five types by a K-means cluster and analysis of variance (ANOVA). Finally the PNN was then trained to serve as a classifier for identifying five different hip shape types. The average classification accuracy of the scheme proposed was 97.37%, and its effectiveness was successfully validated by comparing with the BP and Support Vector Machine (SVM) scheme. Thus an intelligent recognition system was developed to make hip shape type classification of high-precision and time saving.

Model łączy analizę skupień i korelacji oraz probabilistyczną sztuczną sieć neuronową dla identyfikacji różnych typów kształtów bioder opartą o pomiary 3D poszczególnych osób. Wyselekcjonowano 28 przypadków odzwierciedlających dolną część sylwetki 300 studentek w wieku od 20 do 24 lat. Zastosowano metodę redukcji poszczególnych właściwości dla wybrania typowych wskaźników. Następnie kształt bioder podzielono na 5 typów za pomocą algorytmu klastrowego i systemu ANOVA (analiza wariancji). Następnie przeprowadzono trening sieci neuronowej aby mogła posłużyć jako klasyfikator identyfikacji 5 różnych kształtów bioder. Przeciętna dokładność klasyfikacji proponowanego systemu wynosiła 97,37%, a efektywność była sukcesywnie sprawdzana przez porównanie schematów BP i SVM. W ten sposób stworzono inteligentny system rozpoznania typu kształtu bioder o dużej precyzji, pozwalający na oszczędność czasu.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies