基于自更新混合分类模型的肌电运动识别方法

丁其川; 赵新刚; 李自由; 韩建达

首页> 中文期刊> 《自动化学报》 >基于自更新混合分类模型的肌电运动识别方法

基于自更新混合分类模型的肌电运动识别方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

传统基于肌电(Electromyography,EMG)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(Support vector machine,SVM),以及用于分类目标动作数据的多类线性判别分析(Linear discriminant analysis,LDA),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(Multiple layer perceptron,MLP)和核线性判别分析(Kernel LDA,KLDA),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％.

著录项

来源
《自动化学报》 |2019年第8期|1464-1474|共11页
作者
丁其川; 赵新刚; 李自由; 韩建达;
展开▼
作者单位

中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016;

中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016;

中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016;

中国科学院大学北京100049;

中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016;

南开大学计算机与控制工程学院天津300017;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
表面肌电; 动作识别; 模式分类; 在线更新; 肌肉疲劳;

相似文献

中文文献
外文文献
专利

1. 基于脑电和肌电信号的下肢运动意图识别方法 [J] . 郑长坤 ,王海贤 ,顾凌云 . 中国医疗设备 . 2021,第005期
2. 基于1DCNN-XGBoost混合模型的癫痫脑电分类 [J] . 柯铭 ,尹倡隆 ,刘光耀 . 计算机应用研究 . 2020,第S02期
3. 基于异方差混合转移分布模型和支持向量机的脑电分类研究 [J] . 韩敏 ,葛素楠 ,洪晓军 . 中国生物医学工程学报 . 2012,第003期
4. 基于支持向量机多分类的眼电辅助肌电的人机交互 [J] . 张毅 ,刘睿 ,罗元 . 计算机应用 . 2014,第011期
5. 基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统 [J] . 张毅 ,祝翔 ,罗元 . 中南大学学报：自然科学版 . 2013,第S2期
6. 基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统 [C] . ZHANG Yi ,张毅 ,ZHU Xiang . 2013年中国智能自动化会议 . 2013
7. 基于平行因子模型的运动想象脑电分类 [A] . 刘华生 . 2011

基于自更新混合分类模型的肌电运动识别方法

摘要

著录项

相似文献

相关主题

期刊订阅