面向动作捕捉的非线性时间序列预测方法研究与实现

摘要

论文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(或信号)的预测方法,解决因为传感器故障而引起的数据丢失、数据修正问题.基于以上研究目的,通过模拟实验假设动作序列中某一个传感器发生故障,随后使用八种机器学习方法,利用六种指标进行评估,充分进行实验对比各种方法的预测效果,并将预测后的动作进行可视化展示.通过实验发现,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.