模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2012年
6期
943-949
,共7页
朱旻%李雪玲%李效来%葛运建
硃旻%李雪玲%李效來%葛運建
주민%리설령%리효래%갈운건
集成学习%元学习%叠加法%双层支持向量机(TSSVM)%表面肌电(SENG)
集成學習%元學習%疊加法%雙層支持嚮量機(TSSVM)%錶麵肌電(SENG)
집성학습%원학습%첩가법%쌍층지지향량궤(TSSVM)%표면기전(SENG)
提出一种模式识别算法——双层支持量机算法,用来提高表面肌电识别精度.该算法融合集成学习中元学习的并行方法和叠加法的递进思想,把基本SVM分类器并行分布在第1层,第1层的预测结果作为第2层的输入,由第2层再进行分类识别,从而通过多层分类器组合来融合多源特征.以手臂表面肌电数据集为测试数据,采用文中的双层支持向量机,各肌肉的肌电信号分别输入基支持向量机,组合器融合各肌肉电信号特征,集成识别前臂肌肉群的肌电信号,从而实现运动意图的精确识别.实验结果显示,在预测精度上,此算法优于单个SVM分类器.在预测性能上(识别精度、耗时、鲁棒性),此算法优于随机森林和旋转森林等集成分类器.
提齣一種模式識彆算法——雙層支持量機算法,用來提高錶麵肌電識彆精度.該算法融閤集成學習中元學習的併行方法和疊加法的遞進思想,把基本SVM分類器併行分佈在第1層,第1層的預測結果作為第2層的輸入,由第2層再進行分類識彆,從而通過多層分類器組閤來融閤多源特徵.以手臂錶麵肌電數據集為測試數據,採用文中的雙層支持嚮量機,各肌肉的肌電信號分彆輸入基支持嚮量機,組閤器融閤各肌肉電信號特徵,集成識彆前臂肌肉群的肌電信號,從而實現運動意圖的精確識彆.實驗結果顯示,在預測精度上,此算法優于單箇SVM分類器.在預測性能上(識彆精度、耗時、魯棒性),此算法優于隨機森林和鏇轉森林等集成分類器.
제출일충모식식별산법——쌍층지지량궤산법,용래제고표면기전식별정도.해산법융합집성학습중원학습적병행방법화첩가법적체진사상,파기본SVM분류기병행분포재제1층,제1층적예측결과작위제2층적수입,유제2층재진행분류식별,종이통과다층분류기조합래융합다원특정.이수비표면기전수거집위측시수거,채용문중적쌍층지지향량궤,각기육적기전신호분별수입기지지향량궤,조합기융합각기육전신호특정,집성식별전비기육군적기전신호,종이실현운동의도적정학식별.실험결과현시,재예측정도상,차산법우우단개SVM분류기.재예측성능상(식별정도、모시、로봉성),차산법우우수궤삼림화선전삼림등집성분류기.
