本文研究利用神经网络进行穿戴式鼠标中的鼠标手势信号端点检测。我们将长短期记忆神经网络(Long Short Term Memory，LSTM)用作基本神经单元，并引入了一个线性距离因子。神经网络模型在该因子的帮助下可以适应性的更新分割函数。在验证时利用总计约3000个手势数据样本对模型进行了训练和评估。结果表明，在鼠标手势的端点检测中，相比于传统固定的双门限方法，基于LSTM的神经网络端点检测算法模型适应性好，无需附加任何阈值即可有效应用于手势分割，而且可以明显提升最终手势分类识别率，使其平均识别率达到了95.8%。

穿戴鼠标,端点检测,手势识别,神经网络

孙闻，姚志勇，钟纪权，胡跃辉(2023)。用于穿戴式鼠标信号的端点检测研究。人工智能研究，第1卷，第2期，第1-15页，发布日期：2023-04-27