تشخیص هوشمند نوع حفظ تعادل انسان برای تعیین نارسایی های احتمالی

پایان نامه
چکیده

کنترل تعادل یکی از اساسی ترین سیستم های حسی حرکتی بدن برای داشتن زندگی با کیفیت است.ضعف تعادل و کنترل پوسچر می تواند در عملکرد روزانه مانند راه رفتن ، دویدن ، خزیدن ، ورزش کردن ، ایستادن و .... تاثیر گذار باشد. سیستم کنترل تعادل یک سیستم چند حسی است که دارای عوامل موثر بسیار می باشد. همچنین مطالعات انجام گرفته در زمینه کنترل تعادل هر کدام به بررسی جزئی از سیستم و یا پاسخ به سوال و موضوع مشخصی در این زمینه پرداخته اند. مدلسازی های انجام گرفته در زمینه کنترل پوسچر بر اساس مدل پاندول معکوس و پارامترهای مطرح در مطالعه مورد نظر طراحی شده اند. در این پژوهش هدف ارائه ی یک سیستم دسته بندی هوشمند داده های سری زمانی کنترل تعادل است. این سیستم هوشمند بر اساس پارامترهایی که با بررسی کلی مطالعات موجود در زمینه کنترل تعادل جمع آوری شده اند طراحی شده و قابلیت دسته بندی هوشمند با استفاده از پارمترهای انتخابی کاربر را ارائه می دهد. ویژگی های مورد استفاده در طراحی سیستم شامل مقدار ماکزیمم و مینیمم ، زمان ماکزیمم و مینیمم ،تعداد قله ها ، پولاریتی ، انتگرال ناحیه ی مثبت و منفی ، مدت زمان ، زمان سکون و میانگین است. همچنین جهت ارزیابی و بررسی نتایج سیستم طراحی شده سه پایگاه داده کنترل پوسچر ، راه رفتن و مفاصل دست مورد استفاده قرار گرفت. در سیستم دسته بندی از الگوریتم معتبر خوشه بندی فازی fcm استفاده شده است. جهت ارزیابی اعتبار و دقت سیستم طراحی شده از روش روایی همزمان و پایایی بازآزمایی استفاده شد. در بررسی نتایج به شیوه ی روایی همزمان آزمون هایی طراحی شده و ویژگی های مورد استفاده در آزمون به طور مشترک به سیستم طراحی شده و الگوریتم های خوشه بندی شبکه عصبی و سلسله مراتبی داده شد. در نهایت میزان مطابقت نتایج خروجی حاصل از اعمال روش ها بر روی این ویژگی های مشترک محاسبه گردید. دامنه ی میزان مطابقت نتایج که نشان دهنده ی میزان اعتبار نتایج سیستم طراحی شده با الگوریتم های خوشه بندی معتبر دیگر است ،در محدوده ی 80- 99 درصد قرار گرفت. این دامنه حاکی از اعتبار نتایج حاصل از این سیستم می باشد. علاوه بر این جهت بررسی میزان دقت و پایایی سیستم با استفاده از روش پایایی بازآزمایی یک مجموعه داده ای با سه توزیع تصادفی مختلف به سیستم داده شد و ضریب همبستگی بین ویژگی های خوشه های حاصل از سه بار اجرای سیستم مورد محاسبه قرار گرفت. میزان پایای به دست آمده از این محاسبات در دامنه ی 0.85 - 1 قرار گرفت که نشان دهنده دقت بالای سیستم طراحی شده می باشد.همچنین میانگین درجه عضویت نتایج خروجی در این آزمون ها محاسبه شد که در دامنه ی 0.62 – 0.97 درصد بود . درصد بالا در مقدار میانگین درجه عضویت حاکی از قابلیت بالای متمایزکنندگی ویژگی های جمع آوری شده در این سیستم است.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

طراحی و تعیین اعتبار کیت های تشخیصی الایزای غیرمستقیم و رقابتی برای تشخیص بروسلوز در انسان

  اهداف. هدف این مطالعه طراحی و تعیین اعتبار الایزای غیرمستقیم و الایزای رقابتی برای تشخیص بروسلوز انسانی در مقایسه با سایر روش­های سرولوژیک معمول بود.   روش­ها. برای تهیه لیپوپلی­ساکارید ( LPS )، از بروسلا آبورتوس S99 استفاده شد. LPS با روش فنل داغ همراه با هضم آنز ی می استخراج گردید. میکروپلیت­های الایزا با LPS پوشیده شدند. برای الایزای غیرمستقیم از آنتی­بادی کونژوگه مونوکلونال IgG1 انسانی و ...

متن کامل

طراحی روشی برای تشخیص و دسته‌بندی خودکار نوع مدولاسیون‌های دیجیتال برپایه‌ خوشه‌بندی هوشمند

این مقاله، روشی را برای کلاس‌بندی نوع مدولاسیون‌های دیجیتال از خانواده‌های ASK، PSK ، FSK، بدون اطلاعات قبلی از سیگنال دریافتی پیشنهاد می‌دهد. این روش دارای دو گام است و "روش خوشه‌بندی" نام دارد. در گام اول خانواده مدولاسیون و در گام دوم مرتبه‌ی مدولاسیون مشخص می‌شود. با استفاده از روش خوشه‌بندی، حداقل پیش‌پردازش‌ها، مؤثرترین ویژگی‌های جداسازی و مناسب‌ترین جداسازها در مورد هر دسته استفاده گردید...

متن کامل

تعیین و تشخیص عوامل مؤثر در طراحی سازمان هوشمند برای مدیریت شهری (مطالعۀ موردی: شهرداری مشهد)

در سال‌های اخیر، پارادایم هوشمندسازی مدیریت شهری به یکی از مقوله‌های اساسی در ادبیات تحقیقی این حوزه تبدیل شده است. این در حالی است که طبق آخرین رده‌بندی در سال 2018، هیچ‌یک از شهرهای ایران در فهرست برترین شهرهای هوشمند جهان قرار ندارند. به همین دلیل، در این پژوهش طراحی مدل سازمان هوشمند برای شهرداری بررسی می‌شود تا راهکارهای اجرایی و عملی آن مشخص و مؤلفه‌های اثرگذار بر هوشمندسازی تعیین شود. ای...

متن کامل

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023