随机森林算法应用于步态评估的研究

目的:从采集的步态数据中寻找对步态类别识别具有可分性判据最优特征子集,评估各个步态特征重要性及其对异常步态的分类识别效果。方法:选取2017年6月—2018年8月广东省广州市第二中医院采集到的异常步态类别的数据60例和200名健康人群的信息,且均为自愿参加。本实验采用三维步态捕捉系统获取被测者的步态参数,进行统计分析和数据处理,然后采用随机森林算法获得各个步态特征的权值,并在此基础上进行特征选择,最后再用不同算法所得的分类的准确性对特征选择的效果加以评定。结果:应用随机森林算法给出各个步态特征的权重评分,并依照其评分大小进行特征重要性排名,去掉对步态分类识别相对而言几乎不起作用的特征,发现经过特征选择后的步态特征子集,相比于特征选择之前,其步态分类识别的效果要更好,各个分类算法的多项评价指标均有所提升。结论:应用随机森林算法能够对步态特征在步态类别的识别中进行权重打分,从而进行步态特征选择,提高对步态类别识别的准确率。