基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担，能量消耗过快等)，以及加重患病的风险，提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习，获取分类模型。三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的，KNN模型对三种步态识别的总正确率为81.7%，对足外8步态的正确率为92.8%以及足内8的正确率为91.0%。模型的正确率较为准确，可以为矫正不良步态提供有力支持、减少不良步态的检测成本。