Die Modellierung der vielschichtigen Zusammenhänge bei der Analyse menschlicher Gang- und Laufmuster wurde in der Sportwissenschaft in den vergangenen Jahren mit Methoden des Soft-Computing erfolgreich praktiziert (Perl, 2007; Schöllhorn et al., 2002). Bei der Analyse von Prozessmustern, die im zeitlich-räumlichen Kontext dynamischen Änderungen unterliegen kamen hierbei vor allem Künstliche Neuronale Netze zum Einsatz. Diese modellieren aktuelle und künftige Systemzustände unter Berücksichtigung der Systemhistorie und beurteilen Zustände im Kontext der multidimensionalen Systemdynamik. Im Hinblick auf eine Unterscheidung von individuellen Bewegungsmustern lassen optimierte Modellansätze zur Musteranalyse bessere Ergebnisse bei der Differenzierung erwarten, als herkömmliche Künstliche Neuronale Netze. In der vorgestellten Arbeit wird die Analyse von individuellen Bewegungsmustern am Beispiel einer Laufanalyse mit Support Vector Machines (Schölkopf & Smola, 2002) untersucht und deren Eignung zur Klassifizierung von Mustern im Vergleich zu Künstlichen Neuronalen Netzen diskutiert.
© Copyright 2011 Sportinformatik trifft Sporttechnologie. 8. Symposium der dvs-Sektion Sportinformatik in Kooperation mit der Deutschen Interdisziplinären Vereinigung für Sporttechnologie vom 15.-17. September in Darmstadt. Veröffentlicht von Feldhaus, Ed. Czwalina. Alle Rechte vorbehalten.