基于自更新混合分类模型的肌电运动识别方法
文献类型:期刊论文
作者 | 丁其川3; 韩建达1,3; 李自由2,3; 赵新刚3 |
刊名 | 自动化学报 |
出版日期 | 2019 |
卷号 | 45期号:8页码:1464-1474 |
ISSN号 | 0254-4156 |
关键词 | 表面肌电 动作识别 模式分类 在线更新 肌肉疲劳 |
其他题名 | An EMG-motion Recognition Method With Self-update Hybrid Classification Model |
产权排序 | 1 |
英文摘要 | 传统基于肌电的运动识别方法多是利用训练后的固定参数模型,分类已预先定义的有限个目标动作,但对肌肉疲劳导致的肌电变化,以及未定义的外部动作等干扰因素无能为力.针对这一问题,提出一种自更新混合分类模型(Self-update hybrid classification model,SUHC),该模型融合了用于排除外部动作干扰的一类支持向量机,以及用于分类目标动作数据的多类线性判别算法,并引入自更新机制以对抗肌电时变性干扰.通过手部动作识别实验验证提出方法的效果,在肌电大幅变化干扰下,SUHC的目标动作识别精度达到89%,对比传统的支持向量机、多层感知器和核线性判别分析,提高了约18%,并且SUHC具备排除外部动作干扰能力,排除精度高达93%. |
语种 | 中文 |
资助机构 | 国家高技术研究发展计划(863计划) (2015AA042301)资助 |
源URL | [http://ir.sia.cn/handle/173321/21580] |
专题 | 沈阳自动化研究所_机器人学研究室 |
通讯作者 | 丁其川 |
作者单位 | 1.南开大学计算机与控制工程学院 2.中国科学院大学 3.中国科学院沈阳自动化研究所机器人学国家重点实验室 |
推荐引用方式 GB/T 7714 | 丁其川,韩建达,李自由,等. 基于自更新混合分类模型的肌电运动识别方法[J]. 自动化学报,2019,45(8):1464-1474. |
APA | 丁其川,韩建达,李自由,&赵新刚.(2019).基于自更新混合分类模型的肌电运动识别方法.自动化学报,45(8),1464-1474. |
MLA | 丁其川,et al."基于自更新混合分类模型的肌电运动识别方法".自动化学报 45.8(2019):1464-1474. |
入库方式: OAI收割
来源:沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。