Key points are not available for this paper at this time.
본 연구의 목적은 경쟁 수영의 인터벌 훈련 중 수영 선수의 운동학적 정보를 자동으로 식별하고 분류하기 위한 새로운 방법론을 제안하는 것이었다. 45명의 대학 수영 선수는 내부에 3축 가속도계를 갖춘 새롭게 개발된 가슴 밴드 센서 장치를 부착하고 네 가지 스트로크 스타일로 통제된 인터벌 훈련 세트를 수행하였다. 저자들은 몸통의 길이 방향 가속도(Ay)를 사용하여 수영/휴식 단계 및 스타트, 턴, 골 터치 이벤트와 같은 수영자의 상태를 식별하였다. 실험 결과에 기반한 귀납적 추론과 인터벌 훈련에 대한 경험적 규칙에 기반한 연역적 추론을 통해 수영 시간을 추정하였다. 수영 스트로크 분류를 위해 추출된 수영 단계 가속도를 사용하여 각 부분의 평균, 분산 및 비대칭도를 계산하였다. 저자들은 각 축 가속도를 독립 변수로, 스트로크 스타일을 종속 변수로 하여 이 기술 통계(평균, 분산, 비대칭도)를 사용하여 스트로크 스타일 분류를 위한 다양한 데이터 마이닝 알고리즘을 비교하였다. 다층 신경망(NN)과 C4.5 결정 트리에 의한 스트로크 스타일 분류의 정확도는 91.1%였다.
Ohgi et al. (Wed,)는 이 질문을 연구하였다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: