Resumen

Con el desarrollo de la ciencia y la tecnología, una gran variedad de dispositivos electrónicos han entrado en nuestras vidas, haciendo que nuestras vidas sean más inteligentes y que nuestro trabajo sea más eficaz. El objetivo de este artículo es estudiar la aplicación de la tecnología de fusión de datos multisensor al sistema de monitorización del entrenamiento de dragon boat acuático. En ese caso, podemos analizar los diversos indicadores físicos de los atletas de dragon boat basándonos en los datos reflejados por estos sensores, cuando pueden alcanzar sus límites físicos y pueden rendir en el mejor estado para obtener los mejores resultados. El sensor se utiliza para descomponer los datos relevantes de cada parte de las extremidades del atleta. Este paso se basa en la imagen y comprende el valor máximo de los datos para ajustar el objetivo del entrenamiento. Este artículo propone algunos algoritmos de fusión de datos, utilizando el método del filtro de Kalman, el método de estimación bayesiano, y el algoritmo de la teoría de la evidencia DS para comparar los sistemas de fusión de datos, a través de la comparación para encontrar la mejor precisión de fusión, y luego obtener el método más adecuado se aplica entonces a este sistema de monitorización de dragon boat acuático para mejorar la eficiencia del entrenamiento de los atletas de dragon boat. Los resultados experimentales de este trabajo muestran que cuando el valor del parámetro aumenta de 0,97 a 2,5, la precisión media de clasificación del clasificador k-NN disminuye de 0,97 a 0,4, y la precisión de los resultados de fusión de las tres reglas de fusión también se reduce en consecuencia, pero en este trabajo propuesto, la regla de fusión RP sigue teniendo un mejor rendimiento que las otras dos reglas de fusión. Cuando el clasificador es k-NN, las tres reglas de fusión aumentan con el número de sensores, y la precisión de los resultados de la fusión mejora en consecuencia. Sin embargo, la precisión final de la fusión obtenida por la regla de fusión RP propuesta en este trabajo es siempre mejor que las reglas de integración NB, y las reglas de integración WMV son superiores. A través de estos análisis, se puede elaborar un programa de entrenamiento que sea el más adecuado para los atletas de dragon boat, de modo que los atletas no resulten inútiles. La tecnología de fusión de datos multisensor aporta una gran comodidad al entrenamiento acuático de dragon boat y puede proporcionar datos más razonables y precisos para explorar una forma práctica sobre la base de garantizar la seguridad del personal.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:dragon boat athletes, rp fusion rule, fusion rules, fusion results, ds evidence theory algorithm, multisensor data fusion technology, multisensor data fusion technology, water dragon boat training, water dragon boat training monitoring system, bayesian estimation method
• Keywords:dragon boat athletes, rp fusion rule, fusion rules, fusion results, ds evidence theory algorithm, multisensor data fusion technology, multisensor data fusion technology, water dragon boat training, water dragon boat training monitoring system, bayesian estimation method