论文部分内容阅读
为研究面向动作捕捉的非线性时间序列预测的方法。通过对人体动作数据进行分析,研究并实现基于动作捕捉数据的预测方法,解决因传感器故障而引起的数据丢失、修正问题。通过模拟实验假设动作序列中某一个传感器发生故障,随后使用8种机器学习方法,利用6种指标进行评估,对比各种方法的预测效果,并将预测后的动作进行可视化。通过实验,随机森林、决策树、最近邻方法对数据的预测准确率能达到90%以上。由此,面向动作捕捉的非线性时间序列预测方法能够准确地还原动作。