51、秘鲁手语识别与出行决策意见聚类研究

秘鲁手语识别与出行决策意见聚类研究

在当今信息爆炸的时代，数据科学在各个领域发挥着越来越重要的作用。本文将介绍两项有趣的研究，一项是关于秘鲁手语识别，另一项是关于出行决策的意见聚类。

秘鲁手语识别研究

在秘鲁手语识别研究中，采用了长短期记忆网络（LSTM）进行分类模型的构建。

分类模型

• 模型输入 ：LSTM 网络的输入是视频中坐标的数组序列，即单个视频被表示为坐标列表的列表，在处理此类网络时会按顺序对其进行评估。
• 性能指标 ：使用 AUC 指标来评估模型性能。
• 训练过程 ：使用 Python 编程语言进行训练，为了优化分析和实验时间，采用了 TensorFlow 和 Keras 框架。在配置时，应用 Keras 函数进行 11 个周期的训练。

预处理

在训练前的预处理阶段，比较了 4 种场景：
- 无滤波器
- 维纳滤波器
- 中值滤波器
- 维纳 + 中值滤波器

这样做是为了观察在何种情况下，系统能更准确地使用 MediaPipe 识别关键点，并将其作为 LSTM 网络的输入。

实验结果

实验结果以准确率和损失率的形式呈现，具体数据如下表所示：
| classes | no filter | | median | | wiener | | wiener+median | |
| ---- | ----