Decision Tree Approach to Rules Extraction for Human Gait Analysis

Derlatka, M.; Ihnatouski, Mikhaił

doi:10.1007/978-3-642-13208-7_74

Cited by 6 publications

(7 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A decision tree is a predictor that utilizes a tree-like graph or model with many possible consequences to produce prediction according to the input. DTEC [139][140][141] is an aggregation of multiple weak decision trees {h (X , Θ k ) , k = 1, 2 . .…”

Section: Decision Tree Ensemble Classifiermentioning

confidence: 99%

See 1 more Smart Citation

A Survey on Gait Recognition

2018

View full text Add to dashboard Cite

Recognizing people by their gait has become more and more popular nowadays due to the following reasons. First, gait recognition can work well remotely. Second, gait recognition can be done from low-resolution videos and with simple instrumentation. Third, gait recognition can be done without the cooperation of individuals. Fourth, gait recognition can work well while other features such as faces and fingerprints are hidden. Finally, gait features are typically difficult to be impersonated. Recent ubiquity of smartphones that capture gait patterns through accelerometers and gyroscope and advances in machine learning have opened new research directions and applications in gait recognition. A timely survey that addresses current advances is missing. In this article, we survey research works in gait recognition. In addition to recognition based on video, we address new modalities, such as recognition based on floor sensors, radars, and accelerometers; new approaches that include machine learning methods; and examine challenges and vulnerabilities in this field. In addition, we propose a set of future research directions. Our review reveals the current state-of-art and can be helpful to both experts and newcomers of gait recognition. Moreover, it lists future works and publicly available databases in gait recognition for researchers.

show abstract

Section: Decision Tree Ensemble Classifiermentioning

confidence: 99%

“…Derlatka and Ihnatouski [139] used decision tree for gait recognition, and the recognition rate was 94%. At the same time, the work in Reference [140] was based on the C4.5 decision tree algorithm.…”

Section: Decision Tree Ensemble Classifiermentioning

confidence: 99%

A Survey on Gait Recognition

2018

View full text Add to dashboard Cite

show abstract

“…Tipicamente, dados biomecânicos apresentam alta variabilidade inter e intra-indivíduos, interação não linear entre alguns parâmetros e multidimensionalidade, o que causa dificuldade na análise de alguns casos particulares através de métodos convencionais [6,7]. Além disso, o sucesso da análise é fortemente limitado pela habilidade e experiência do investigador, que deve ser capaz de lidar com grandes conjuntos de dados e fazer inferências baseadas em seu conhecimento prévio acerca do objeto de análise [6].…”

Section: Introductionunclassified

“…Além disso, o sucesso da análise é fortemente limitado pela habilidade e experiência do investigador, que deve ser capaz de lidar com grandes conjuntos de dados e fazer inferências baseadas em seu conhecimento prévio acerca do objeto de análise [6]. Uma forma de superar essa limitação é a aplicação de técnicas de aprendizagem de máquina, tais como redes neurais, árvores de decisão, máquina de vetor de suporte, etc.…”

Section: Introductionunclassified

“…Derlatka e Ihnatouski analisaram e classificaram dados de pressão plantar de indivíduos que sofrem de pé valgo e paralisia cerebral [6], e Heller et al reconstruíram os padrões de ativação muscular a partir de dados cinemáticos [8]. O uso de árvores de decisão tem como vantagem a facilidade de extração de informação acerca dos dados devido ao formato simples das regras de decisão resultantes do seu processo de aprendizado, que, ao apontarem os principais discriminantes, reduzem a complexidade de interpretação dos dados, mitigando possíveis limitações impostas pela experiência a priori do investigador.…”

Section: Introductionunclassified

See 1 more Smart Citation

Árvores De Decisão Como Ferramenta De Auxílio Na Análise Biomecânica

Carafini¹,

Rodrigues²,

Villa³

et al. 2018

Anais Do v Congresso Brasileiro De Eletromiografia E Cinesiologia E X Simpósio De Engenharia Biomédica

View full text Add to dashboard Cite

Resumo: Um exemplo de aplicação de árvores de decisão como ferramenta de auxílio na análise biomecânica é apresentado. O estudo foi conduzido com séries temporais de componentes verticais da força de reação do solo coletadas de 6 amputados unilaterais transfemorais e 6 indivíduos sem amputação, durante a marcha, em situações de declive e horizontal. As regras de decisão foram tomadas para obtenção das características temporais de marcha dos transfemorais que mais se diferem da marcha normal. Nas duas situações, o tempo do primeiro pico de força do lado protético foi o principal discriminante, obtido com taxas médias de acerto de 91.7% e 96.9% nas situações horizontal e declive, respectivamente. Palavras-chave: árvores de decisão, marcha, transfemoral. Abstract: An example of decision trees application as

show abstract

A Report on Behavior-Based Implicit Continuous Biometric Authentication for Smart Phone

Anitha

Gopalakrishnan³

2020

Applied Computer Vision and Image Processing

View full text Add to dashboard Cite

Decision Tree Approach to Rules Extraction for Human Gait Analysis

Cited by 6 publications

References 11 publications

A Survey on Gait Recognition

A Survey on Gait Recognition

Árvores De Decisão Como Ferramenta De Auxílio Na Análise Biomecânica

A Report on Behavior-Based Implicit Continuous Biometric Authentication for Smart Phone

Contact Info

Product

Resources

About