.png){kind=icon}
返回
Optimizing gait template generation from variable-length data: a dynamic dimension warping approach
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-53226-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
体育科学中人类运动数据的分析常因运动速度和节奏的固有变异性而面临挑战，这导致步态时间序列数据长度不一致（动态维度）。这对传统优化算法在构建性能分析和康复的精确运动模板时构成重大障碍。为解决此问题，我们提出了一种新型动态维度扭曲（DDW）算法，专门用于在动态多维空间中高效搜索。DDW整合了跨维度映射（CDM）机制，融合动态时间扭曲和欧氏距离以实现变长序列的比较，并采用最优维度集合（ODC）方法打破固定维度约束。当应用于实验数据中优化人类步态模板的任务时，DDW在31种基准算法中表现更优，平均适应度降至9.16（低于均值41%），并在10代内实现快速收敛。该算法在52.17%的经典函数测试中达到全局最优，证实了其鲁棒性。本研究确立了DDW作为复杂动态维度问题的高效优化框架，对步态分析和生物力学运动评估具有直接的方法论价值。
Keyword:
gait template
dynamic dimensionality
optimization algorithm
dynamic time warping
biomechanical motion assessment
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
查看更多机构
引用论文
暂无论文信息