公开(公告)号：CN110942089B

公开(公告)日：2023-10-10

申请号：CN201911086201.7

申请日：2019-11-08

Applicant: 东北大学

Inventor： 赵玉良 ,  廉超 ,  张学亮 ,  马瑞杰 ,  张明 ,  沙晓鹏

IPC: G06F18/24 ,  G06F18/243 ,  G06F18/25 ,  G06F18/10 ,  G06F18/214

Abstract: 本发明提供一种基于多级决策的击键识别方法，涉及人机交互技术领域。本发明步骤如下：步骤1：获取击键特征向量形成初始训练集和测试集；步骤2：采用SCM算法对测试集中的任一待分类样本进行击键识别，输出分类样本的类别；所述SCM算法由基于特征分布区间的阈值决策算法、基于中心距特征的距离决策算法以及基于加速度幅值特征的击键修正算法构成，基于特征分布区间的阈值决策算法和基于中心距特征的距离决策算法都是投票最高的类被认为是预测类，此外，修正决策算法选择加速度数据来进行基准键的单独识别。本方法不受缺失值的影响，具有较小的计算量，同时对计算资源和内存空间要求较少，具有较强的可解释性和易实现性。

公开(公告)号：CN110942089A

公开(公告)日：2020-03-31

申请号：CN201911086201.7

申请日：2019-11-08

Applicant: 东北大学

Inventor： 赵玉良 ,  廉超 ,  张学亮 ,  马瑞杰 ,  张明 ,  沙晓鹏

IPC: G06K9/62

Abstract: 本发明提供一种基于多级决策的击键识别方法，涉及人机交互技术领域。本发明步骤如下：步骤1：获取击键特征向量形成初始训练集和测试集；步骤2：采用SCM算法对测试集中的任一待分类样本进行击键识别，输出分类样本的类别；所述SCM算法由基于特征分布区间的阈值决策算法、基于中心距特征的距离决策算法以及基于加速度幅值特征的击键修正算法构成，基于特征分布区间的阈值决策算法和基于中心距特征的距离决策算法都是投票最高的类被认为是预测类，此外，修正决策算法选择加速度数据来进行基准键的单独识别。本方法不受缺失值的影响，具有较小的计算量，同时对计算资源和内存空间要求较少，具有较强的可解释性和易实现性。