• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Human Factors and Ergonomics Society annual meeting;HFES 2002 >APPLICATION OF PRINCIPAL COMPONENTS ANALYSIS FOREVALUATION AND CLASSIFICATION OF COMPLEX EMG DATA
【24h】

APPLICATION OF PRINCIPAL COMPONENTS ANALYSIS FOREVALUATION AND CLASSIFICATION OF COMPLEX EMG DATA

机译：主成分分析在复杂肌电数据估计与分类中的应用

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Many biomechanical models used to produce injury risk estimates for the lower trunk require lower trunkrnmuscle forces as inputs. These forces are typically estimated through the use of surface electromyographyrn(sEMG). The variability inherent in sEMG measurements can, and should, be analyzed to determine thernpossible presence and sources of excessive variation in the data. Principal components analysis (PCA)rnprovides a robust and straightforward method for performing an analysis of the variability of complexrnsEMG datasets. This paper describes the results obtained from the application of PCA to a datasetrnconsisting of activation levels for several lower trunk muscles. The results demonstrate the value of therntechnique in identifying clusters of observations in the data and in simplifying the multidimensionalrndataset. The use of PCA as a hypothesis generation tool is also explored.
机译：许多用于产生下躯干损伤风险评估的生物力学模型需要较低的躯干肌肉力作为输入。通常通过使用表面肌电图（sEMG）估算这些力。 sEMG测量中固有的可变性可以并且应该被分析，以确定数据中可能存在的过度变化的原因和来源。主成分分析（PCA）提供了一种鲁棒而直接的方法，可以对复杂的emG数据集进行可变性分析。本文描述了将PCA应用到由几个下部躯干肌肉的激活水平组成的数据集所获得的结果。结果证明了该技术在识别数据中的观察簇和简化多维数据集方面的价值。还探讨了将PCA用作假设生成工具的情况。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号