Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
Applied Mathematics and Nonlinear Sciences
Band 8 (2023): Heft 1 (January 2023)
Uneingeschränkter Zugang
Pressure Image Recognition of Lying Positions Based on Multi-feature value Regularized Extreme Learning Algorithm
Haiqin Zhu
Haiqin Zhu
,
Hao Liang
Hao Liang
,
Fulai Xiao
Fulai Xiao
,
Gepeng Wang
Gepeng Wang
und
Rifat Hussain
Rifat Hussain
| 15. Juli 2022
Applied Mathematics and Nonlinear Sciences
Band 8 (2023): Heft 1 (January 2023)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
15. Juli 2022
Seitenbereich:
559 - 572
Eingereicht:
07. Feb. 2022
Akzeptiert:
05. Apr. 2022
DOI:
https://doi.org/10.2478/amns.2022.2.0041
Schlüsselwörter
RELM
,
Lying position pressure image
,
Multiple feature values
,
Lying position recognition
© 2023 Haiqin Zhu et al., published by Sciendo
This work is licensed under the Creative Commons Attribution 4.0 International License.
Fig. 1
The Extreme learning model Diagram
Fig. 2
Schematic diagram of pressure sensor installation
Fig. 3
On-Site installation diagram
Fig. 4
Four lying positions of a person 1
Fig. 5
Four types of backpressure Nephograms for Person 1
Fig. 6
Geometric feature extraction process
Fig. 7
The Pressure image after binarization and canny operation
Fig. 8
The minimum enclosing moment
Fig. 9
Perimeter distribution curve of enclosing rectangle
Fig. 10
The area distribution curve of the enclosed rectangle
Fig. 11
Hu Moment
Fig. 12
Energy characteristic diagram of pressure information
Fig. 13
ELM results for different sample sizes and hidden nodes
Fig. 14
Prediction graph for 160 test samples