Please use this identifier to cite or link to this item:
http://www.monografias.ufop.br/handle/35400000/4007
Title: | Análise comparativa entre o padrão de marcha em adultos e idosos utilizando técnicas de Machine Learning. |
Authors: | Dias, Victor Hugo Morais |
metadata.dc.contributor.advisor: | Medeiros, Talles Henrique de |
metadata.dc.contributor.referee: | Medeiros, Talles Henrique de Torres, Luiz Carlos Bambirra Araújo, Janniele Aparecida Soares |
Keywords: | Aprendizado do computador Biomecânica Processamento de sinais Redes neurais (computação) |
Issue Date: | 2022 |
Citation: | DIAS, Victor Hugo Morais. Análise comparativa entre o padrão de marcha em adultos e idosos utilizando técnicas de Machine Learning. 2022. 56 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2022. |
Abstract: | O objetivo deste trabalho é gerar um modelo capaz de discriminar um indivíduo e seu padrão de marcha com base em dados cinemáticos. A base de dados utilizada para estudo consiste em dados coletados por marcadores em 42 indivíduos, sendo eles 24 jovens adultos (idades 27.6 ± 4.4 anos) e 18 adultos mais velhos (idades 62.7 ± 8.0 anos). Para a realização do estudo foram utilizadas técnicas de processamento de sinais, de análise de dados e de Machine Learning. Ao final dos testes, o algoritmo que obteve melhores resultados em sua classificação foi o Support Vector Machine, com uma acurácia média de 85% para os marcadores localizados no quadril. |
metadata.dc.description.abstracten: | The objective of this work is to obtain a model capable of discriminating an individual and his gait pattern based on kinetic data. The database used for the study consists of data from markers in 42 individuals, being 24 young adults (ages 7.6 ± 4.4 years) and 18 older adults (ages 62.7 ± 8.0 years). To carry out the study, signal processing, data analysis and Machine Learning methods were used. At the end of the tests, the one that obtained the best results in its Support Vector Machine classification, with an average accuracy of 85% with an average accuracy of 85% for the markers located in the hip. |
URI: | http://www.monografias.ufop.br/handle/35400000/4007 |
Appears in Collections: | Engenharia de Computação - JMV |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MONOGRAFIA_AnáliseComparativaPadrão.pdf | 4,74 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License