步态识别近零误判
专为类不平衡场景设计，融合图级与领域知识特征，并施加时序约束消除步态阶段突变。
Zhang, Changhe · Zidong, Yu · Xiaoyun, Wang · Chen, Zejian · 邓超
Engineering Applications of Artificial Intelligence 2025
利用图神经网络自动学习多模态信号间的拓扑结构，克服卷积网络短距离依赖的局限，更有效地融合肌电与运动学数据。
利用步态阶段间的时序约束构建分类隐马尔可夫模型，对预测结果进行后处理，无需额外训练成本即可减少相位突变错误。
设计动态衰减加权交叉熵损失，在类不平衡场景下提升识别性能，使运动模式识别平均准确率达到99.97%。