ScholarGate
Assistent
Process / pipelineTime-series analysis

DTW Gait Analysis

Dynamisk tidssvepning (DTW) är en algoritm för sekvensanpassning som mäter likheten mellan tidsserier av olika längd genom att tillåta flexibel temporal matchning. Tillämpad på gånganalys möjliggör DTW jämförelse av gångmönster mellan individer och förhållanden trots variationer i kadens eller steglängd.

Öppna i MethodMindSnartApply, compare, get guidance
Tools & resources
Ladda ner bildspel
Learn & explore
VideoSnart

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  1. Sakoe, H., & Chiba, S. (1978). Dynamic programming algorithm optimization for spoken word recognition. IEEE Transactions on Acoustics, Speech, and Signal Processing, 26(1), 43-49. DOI: 10.1109/TASSP.1978.1163055
  2. Wang, Z., Yan, W., & Oates, T. (2013). Time series classification from scratch with deep neural networks: A strong baseline. arXiv preprint arXiv:1611.06455. link

Så citerar du den här sidan

ScholarGate. (2026, June 3). Dynamic Time Warping for Gait Analysis. ScholarGate. https://scholargate.app/sv/biomechanics/dtw-gait-analysis

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateDTW Gait Analysis (Dynamic Time Warping for Gait Analysis). Hämtad 2026-06-17 från https://scholargate.app/sv/biomechanics/dtw-gait-analysis · Datamängd: https://doi.org/10.5281/zenodo.20539026