支持向量机在表面肌电信号模式分类中的应用

被引：6

作者：

崔建国 ^{[1
]}

王旭 ^{[1
]}

李忠海 ^{[2
]}

张大千 ^{[2
]}

机构：

[1] 东北大学教育部暨辽宁省流程工业综合自动化重点实验室

[2] 沈阳航空工业学院自动控制系

来源：

东北大学学报 | 2006年 / 03期

关键词：

表面肌电信号; 小波变换; 支持向量机; 模式分类;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.

引用

页码：280 / 283

页数：4

共 3 条

[1] EMG versusoxygen uptake during cycling exercise in trained and untrainedsubjects. Hug F,Decherchi P,Marqueste T,et al. Journal of Electromyography and Kinesiology . 2004
[2] Amplitude andspectral characteristics of biceps Brachii sEMG depend uponspeed of isometric force generation. Sbriccoli P,Bazzucchi I,Rosponi A,et al. Journal ofElectromyography and Kinesiology . 2003
[3] Surface electromyographicstudies of swallowing in normal children,age 4-12 years. Vaiman M,Segal S,Eviatar E. International Journal of Pediatric Otorhinolaryngology . 2004

← 1 →