Journals / Spor Bilimleri Dergisi / 2007 / Cilt: 18 - Sayı: 4

ÇOK BOYUTLU KİNEMATİK VERİLERİN ANALİZİNDE TEMEL BİLEŞENLER ANALİZİ YÖNTEMİNİN KULLANILMASI.

Pages
156–166
Publication Date
2007-08-01
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Koşu hareketinde olduğu gibi daha fazla sayıdaki bireye ve farklı durumlara ait hareket yapılarına ait verilerde belirlenen tb’lerin, cinsiyet, koşu hızı, yorgunluk, fiziksel yapı, sakatlık, tekniğin düzgünlüğü vb gibi farklı durumlara bağlı olarak sınıflama, analiz, teşhis, karşılaştırma yada hareket durumları arasında harmanlama yapılabilmesine olanak sağlayacağı düşünülmektedir

📌 3 Key Takeaways

🎯
Objective & Hypothesis:İnsan hareketlerinin analizi ve tanımlanmasındaki zorluk insan eklemlerindeki yüksek serbestlik derecesinden ve büyük boyutlardaki kinematik veri setlerinden kaynaklanmaktadır.
📊
Key Findings & Data:Birçok farklı disiplinlerce sıklıkla kullanılmasına rağmen, hareket yapılarına ait kinematik verilerin incelenmesinde henüz Temel Bileşenler Analizi (TBA) kullanımı çok yenidir.
💡
Conclusion & Impact:Koşu hareketinde olduğu gibi daha fazla sayıdaki bireye ve farklı durumlara ait hareket yapılarına ait verilerde belirlenen tb’lerin, cinsiyet, koşu hızı, yorgunluk, fiziksel yapı, sakatlık, tekniğin düzgünlüğü vb gibi farklı durumlara bağlı olarak sınıflama, analiz, teşhis, karşılaştırma yada hareket durumları arasında harmanlama yapılabilmesine olanak sağlayacağı düşünülmektedir
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Temel bileşenler analizi · İnsan hareketi benzeşimi · İnsan hareketi modellenmesi

Özet

İnsan hareketlerinin analizi ve tanımlanmasındaki zorluk insan eklemlerindeki yüksek serbestlik derecesinden ve büyük boyutlardaki kinematik veri setlerinden kaynaklanmaktadır. Bu nedenle hareket yapılarının sayısal olarak ifade edilmesi ve anlam kazandırılmasında yeni yaklaşımlar denenmektedir. Birçok farklı disiplinlerce sıklıkla kullanılmasına rağmen, hareket yapılarına ait kinematik verilerin incelenmesinde henüz Temel Bileşenler Analizi (TBA) kullanımı çok yenidir. Bu çalışmada farklı hareket yapılarında konum bilgilerine TBA tekniği uygulanarak, kinematik veri setlerinin boyutlarının indirgenmesi ve belirlenen temel bileşenlerin incelenmesi amaçlanmıştır. Koşu, atma, atlama, ayakla topa vurma, ağırlık kaldırma ve cimnastik gibi temel sportif hareket tiplerinde konum bilgileri ile temsil edilen anlık duruşlardan oluşan kinematik veri setlerine TBA uygulanmıştır. Hareketin yapısı karmaşıklaştıkça ilk temel bileşenin (tb) toplam varyansta temsil ettiği oranın azaldığı, bunun yanında incelenen tüm hareket tiplerinde ilk 8 tb’ nin hareket yapılarının yaklaşık %98’ini temsil edebildiği belirlenmiştir. İnsan hareketlerinin analizinde bu türden yeni yaklaşımların önemli katkılar sağlayacağı öngörülmektedir. Koşu hareketinde olduğu gibi daha fazla sayıdaki bireye ve farklı durumlara ait hareket yapılarına ait verilerde belirlenen tb’lerin, cinsiyet, koşu hızı, yorgunluk, fiziksel yapı, sakatlık, tekniğin düzgünlüğü vb gibi farklı durumlara bağlı olarak sınıflama, analiz, teşhis, karşılaştırma yada hareket durumları arasında harmanlama yapılabilmesine olanak sağlayacağı düşünülmektedir

🔖

Cite This Article

ÇİLLİ, M., ARITAN, S. (2007). ÇOK BOYUTLU KİNEMATİK VERİLERİN ANALİZİNDE TEMEL BİLEŞENLER ANALİZİ YÖNTEMİNİN KULLANILMASI.. Spor Bilimleri Dergisi, Cilt: 18 - Sayı: 4, 156–166. https://ajindex.com/articles/147808

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (10)

  1. Ariel BG. (1968). ARIEL Performance Analysis System (APAS) [Bilgisayar yazılımı]. Ariel Dynamics, San Diego: USA. Aggarwal JK, Cai, Q. (1999). Human motion analysis: a review. Computer Vision and Image Understanding, 73, 428–440,
  2. Alexander RMc. (2003). Modelling approach- es in biomechanics. Phil. Trans. R. Soc. Lond, 358, 1429-1435.
  3. Bokman L, Syungkwon R, Park FC. (2005). 2005 IEEE International Conference on Robotics and Automation: Movement primitives, principal component analysis, and the efficient generation of natural motions. Barcelona, Spain. Boyle RD. (1998). Scaling additional contri- butions to principal component analysis. Pattern Recogn Lett, 31, 2047–2053.
  4. Chen CY, Lee RCT. (1995). A near pattern- matching scheme based upon principal components analysis. Pattern Recogn Lett, 16, 339–345. Medicine Congress: Using PCA for data reduction in different movement pattern. Bulgaristan: Albena Resort. Çilli M, Arıtan, S. (2005). 10th Annual Con- gress European College of Sport Sci- ence: PCA application for modeling and simulation of running patterns. Sirbistan: Belgrade. Daffertshofer A, Lamoth CJC, Meijer DG, Beek PJ. (2004). PCA in studying coor- dination and variability: a tutorial. Clinical Biomechanics, 19, 415-428.
  5. Deluzio KJ, Wyss UP, Costigan PA, Zee B. (2000). Canadian Society for Biomechan- ics. Biomechanical factors in gait of knee osteoarthritis patients, Montreal: QC Gavrila DM. (1999). The visual analysis of hu- man movement: A survey. Computer Vi- sion and Understanding, 73, 82-98.
  6. Hatze H. (1980). A mathematical model for the computational determination of param- eter values of anthropomorphic segments. Journal of Biomechanics, 13, 833-843.
  7. Hollands K, Wing A, Daffertshofer A. (2004). 3rd IEEE EMBSS UK &RI PostGraduate Conference in Biomedical Engineering & Medical Physics: Principal components analysis of contemporary dance kinemat- ics. Southampton: University of South- ampton. Jackson JE. (1991). A User Guide to Principle Component. New York: John Wily & Sons Inc. Johansson G. (1973). Visual perception of bio- logical motion and a model for its analy- sis. Perceptionand Psychophysics, 14, 201-211.
  8. Johansson G. (1975). Visual motion perception. Scientific American, 232, 76–88.
  9. Karhunen J, Joutsensalo J. (1995). General- izations of principal component analysis, optimization problems, and neural net- works. Neural Networks, 8, 549–562.
  10. Khalaf KA, Parnianpour M, Sparto PJ, Barin K. (1999). Feature extraction and quan- tification of t