基于时频组合特征的PSO-SVM手势识别方法

王亮; 张安元; 李佳佳; 李奇

首页> 中文期刊> 《长春理工大学学报（自然科学版）》 >基于时频组合特征的PSO-SVM手势识别方法

基于时频组合特征的PSO-SVM手势识别方法

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

为了提高基于表面肌电(sEMG)信号的手势识别的准确率,提出了时频组合特征和粒子群算法优化支持向量机(PSO-SVM)相结合的手势识别方法.将手势sEMG信号的时域特征和频域特征进行线性组合,组合后的时频组合特征作为分类特征,采用经PSO优化的SVM分类器对8类手势进行分类.结果显示,基于时频组合特征均方根值-平均功率频率(RMS-MPF)、绝对均值-平均功率频率(MAV-MPF)的手势识别率,优于它对应的时域特征、频域特征的手势识别率,同时也优于时频域特征的手势识别率.表明了基于时频组合特征RMS-MPF、MAV-MPF的PSO-SVM方法对手势识别有良好的分类效果.

著录项

来源
《长春理工大学学报（自然科学版）》 |2021年第4期|104-110|共7页
作者
王亮; 张安元; 李佳佳; 李奇;
展开▼
作者单位

长春理工大学计算机科学技术学院长春 130022;

长春理工大学计算机科学技术学院长春 130022;

长春理工大学计算机科学技术学院长春 130022;

长春理工大学计算机科学技术学院长春 130022;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
表面肌电; 时频组合特征; 粒子群算法; 支持向量机;

相似文献

中文文献
外文文献
专利

1. 基于PSO-SVM的手势识别方法研究 [J] . 胡命嘉 ,宫玉琳 ,王锋 . 长春理工大学学报（自然科学版） . 2019,第004期
2. 基于瞬时频率与功率谱熵组合特征的心律失常诊断方法 [J] . 杨启航 ,吴思熠 ,张卓宇 . 计算机科学与应用 . 2021,第003期
3. 基于时频域组合特征的脑电信号情感分类算法 [J] . 贾小云 ,王丽艳 ,陈景霞 . 科学技术与工程 . 2019,第033期
4. 基于PSO-SVM的钢筋混凝土梁火灾损伤识别方法 [J] . 刘浩 ,宋苏萌 ,鲁秀亮 . 低温建筑技术 . 2020,第012期
5. 基于PSO-SVM的电能质量符合扰动分类识别方法 [J] . 马燕琪 ,马建 . 江西电力 . 2016,第008期
6. 基于表面肌电信号的时频组合特征融合识别 [C] . 杨新亮 ,罗志增 . 第九届中国智能机器人学术研讨会 . 2011
7. 基于Kinect深度数据及组合特征的静态手势识别研究 [A] . 胡苏阳 . 2016

基于时频组合特征的PSO-SVM手势识别方法

摘要

著录项

相似文献

相关主题

期刊订阅