计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
12期
195-197
,共3页
小波变换%李雅普诺夫指数%Elman神经网络
小波變換%李雅普諾伕指數%Elman神經網絡
소파변환%리아보낙부지수%Elman신경망락
提出了一种新的模式分类方法,该分类法采用小波变换和李雅普诺夫指数构造特征矢量,利用Elman神经网络在非线性建模方面的优势,构建前馈神经网络,以此进行特征分类.通过对前臂伸肌、屈肌以及旋前肌采集的肌电信号的处理分析,有效地实现了对握拳、展拳、手腕内旋和手腕外旋4种动作模式的识别.结果表明该分类器有较高的识别准确率和更稳定的再现性.
提齣瞭一種新的模式分類方法,該分類法採用小波變換和李雅普諾伕指數構造特徵矢量,利用Elman神經網絡在非線性建模方麵的優勢,構建前饋神經網絡,以此進行特徵分類.通過對前臂伸肌、屈肌以及鏇前肌採集的肌電信號的處理分析,有效地實現瞭對握拳、展拳、手腕內鏇和手腕外鏇4種動作模式的識彆.結果錶明該分類器有較高的識彆準確率和更穩定的再現性.
제출료일충신적모식분류방법,해분류법채용소파변환화리아보낙부지수구조특정시량,이용Elman신경망락재비선성건모방면적우세,구건전궤신경망락,이차진행특정분류.통과대전비신기、굴기이급선전기채집적기전신호적처리분석,유효지실현료대악권、전권、수완내선화수완외선4충동작모식적식별.결과표명해분류기유교고적식별준학솔화경은정적재현성.
