TY -的A2 Wang Xian-Bo盟——刘,钱非盟- Chen Hairong盟——Thirupathi Anand AU -杨,梅梅AU -贝克,朱利安s . AU - Gu Yaodong PY - 2023 DA - 2023/02/21 TI -足底力学分布的初步研究和疲劳在跑步机上跑步后资料:使用支持向量机算法SP - 7461729六世- 2023 AB -跑步机广泛用于运行疲劳实验,和足底力学参数的变化引起的疲劳和性别,以及预测疲劳曲线的一种机器学习算法,扮演着重要的角色在提供不同的培训项目。这个实验旨在比较峰值压力的变化(PP),峰力(PF)、足底冲动(PI),和性别差异新手跑步者在他们疲劳的运行。支持向量机(SVM)是用来预测的疲劳曲线根据变化PP、PF,π之前和之后的疲劳。15名健康男性和15名健康女性完成2分3.3 m / s的速度±5% footscan压盘之前和之后的疲劳。疲劳后,PP、PF和π趾(减少 T1)和second-fifth脚趾( T2 - 5),而鞋跟内侧(HM)和脚跟外侧(HL)增加。此外,PP和第一跖骨(π也增加了 米1)。PP、PF和π T1, T2 - 5女性明显高于男性,和跖骨3 - 5 ( 米3 - 5)在女性比男性明显降低。支持向量机分类算法结果显示使用的准确性高于平均水平 T1页/ HL PF(训练精度:65%;测试精度:75%), T1 PF / HL PF(训练精度:67.5%;测试精度:65%)和HL PF / T1π(训练精度:67.5%;测试精度:70%)。这些值可以提供运行和性别有关的损伤信息,如跖骨应力性骨折和拇指外翻。应用支持向量机的识别足底机械特性之前和之后的疲劳。足底区后疲劳的特性可以识别和足底区组合的学习算法与高于平均水平的准确性( T1页/ HL PF, T1 PF / HL PF, HL PF / T1π)可以用于预测疲劳运行和监督培训。它提供了一个重要的想法跑后疲劳的检测。SN - 2040 - 2295 UR - https://doi.org/10.1155/2023/7461729 - 10.1155 / 2023/7461729摩根富林明医疗工程PB - Hindawi KW - ER