论文研究一种基于低维足底压力特征的静态步态聚类算法.pdf

为了探究足底压力特征在身份识别中的应用，提出了一种静态步态聚类算法。该算法首先从压力测试板提取的静态数据中提取当前常用的足底压力特征，包含全局及局部特征，形成特征向量来表征样本对象；接着利用非负矩阵分解方法（non-negativematrixfactorization，NMF）获取样本在变换特征空间中的映射及低维表示；最后结合模糊C-均值算法（fuzzyC-meansalgorithm，FCM）对降维后的样本对象进行聚类识别。实验结果显示该算法的聚类正确率达到90%左右；同时与其他算法对比，该算法在精度上具有较大的优势。经过实验验证与对比分析，该算法将样本数据压缩到极低维特征空间时，