메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Wonseok Choi (LIG Nex1) Jungsub Oh (LIG Nex1) Heesu Kim (LIG Nex1) Jaehyun Kim (LIG Nex1)
저널정보
한국지능시스템학회 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS Vol.17 No.2
발행연도
2017.6
수록면
91 - 97 (7page)
DOI
10.5391/IJFIS.2017.17.2.91

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper presents a method to classify the arm movements into 8 categories for the sensor data acquired from a micro-electro-mechenial sensor. The method uses the attribute weighted KNN (AWKNN) which is a kind of machine learning algorithm. The measurement system consists of gyroscopes and an accelerometer, attached to a human arm to measure arm movement. The system has been implemented with field-programmable gate array. The sensor data are pre-processed and handed over the AWKNN-based machine learning classifier to classify the sensed arm movements into 8 classes. The training data sets have been collected from the group of men and women who had exercised the predefined arm movements. The developed arm movement recognition system has achieved the accuracy higher than 90% in the experiments.
#Machine learning #Embedded system #AWKNN #MEMS sensor

목차

Abstract
1. Introduction
2. Related Work
3. Proposed Method
4. Test and Results
5. Conclusion
References

참고문헌 (9)

참고문헌 신청
Z. Zhang, “Microsoft kinect sensor and its effect,” IEEE Multimedia, vol. 19, no. 2, pp. 4-10, 2012. https://doi.org/10.1109/MMUL.2012.24 M. H. Kim, S. Lee, and D. H. Shin, “Predictability test of K-nearest neighbors (K-NN) algorithm: application to the KOSPI 200 futures,” Korea Journal of Business Administration, vol. 28, no. 10, pp. 2613-2633, 2015. https://doi.org/10.18032/kaaba.2015.28.10.2613 T. Cover, “Estimation by the nearest neighbor rule,” IEEE Transactions on Information Theory, vol. 14, no. 1, pp. 50-55, 1968. https://doi.org/10.1109/TIT.1968.1054098 S. Deokar, “Weighted K nearest neighbor,” Available http://www.d.umn.edu/~deoka001/downloads/K_Nearest_Neighbor_Algorithm.pdf L. Jiao, Q. Pan, X. Feng, and F. Yang, “An evidential k-nearest neighbor classification method with weighted attributes,” in Proceedings of 16th International Conference on Information Fusion, Istanbul, Turkey, 2013, pp. 145-150.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-001014431