[发明专利]一种基于优化的C-支持向量分类机的步态识别方法

权利要求书

1.一种基于优化的C-支持向量分类机的步态识别方法，采用支持向量机算法中的C-支持向量分类机进行四种步态的识别，其中这四种步态包括：站立、行走、跳跃和上楼梯；整体包括以下步骤：

①采集并保存站立、行走、跳跃和上楼梯这4种步态的足底压力数据，每种步态采集1000组数据；

②从每种步态的1000组数据中随机挑选200组数据组成一个拥有800组数据的训练组；随机挑选100组组成一个拥有400组数据的测试组；

③利用MATLAB软件及LIBSVM工具箱编写一种基于支持向量机中C-支持向量分类机模型的步态识别算法；

④利用训练组对③中的步态识别算法进行训练；

⑤利用测试组对④中训练好的步态识别算法进行测试，测试其分类准确率，并得出步态识别结果。

2.根据权利要求1所述的一种基于优化的C-支持向量分类机的步态识别方法，其特征是在于：步骤③中的一种基于支持向量机中C-支持向量分类机模型的步态识别算法包括以下步骤：

a.选择高斯径向基核函数：exp(-‖x_i-x_j||²/2γ²)作为C-支持向量分类机模型：minα12Σi=1mΣj=1myiyjK(xi,xj)αiαj-Σj=1mαj]]>s.t.Σi=1myiαi=0,0≤αi≤C,i=1,...,m]]>中的核函数，其中(x_i，y_i)为训练样本，构成该步态识别算法模型：

minα12Σi=1mΣj=1myiyj(exp(-||xi-xj||2/2γ2))αiαj-Σj=1mαj]]>s.t.Σi=1myiαi=0,0≤αi≤C,i=1,...,m;]]>

b.选择合适的惩罚参数C＞0和高斯径向基核函数参数γ代入该步态识别算法模型；

c.利用训练组训练该步态识别算法模型得到特征向量

d.选取在[0，C]范围内的并计算得到最优分类面参数b*=yj-Σαi*yiexp(-||xi-xj||2/2γ2);]]>

e.构造决策函数f(x)＝sgn(g(x))，其中g(x)=Σi=1myiαi*(exp(-||xi-xj||2/2γ2))+b*.]]>