电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2015年
5期
1154-1159
,共6页
高发荣%王佳佳%席旭刚%佘青山%罗志增
高髮榮%王佳佳%席旭剛%佘青山%囉誌增
고발영%왕가가%석욱강%사청산%라지증
模式识别%步态分析%肌电信号%粒子群优化%支持向量机
模式識彆%步態分析%肌電信號%粒子群優化%支持嚮量機
모식식별%보태분석%기전신호%입자군우화%지지향량궤
Pattern recognition%Gait analysis%ElectroMyoGraphic (EMG) signal%Particle Swarm Optimization (PSO)%Support Vector Machine (SVM)
为提高下肢表面肌电信号步态识别的准确性和实时性,该文提出一种基于粒子群优化(PSO)算法优化支持向量机(SVM)的模式识别方法.首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本,然后利用PSO算法优化SVM的惩罚参数和核函数参数,最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试.实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率,明显高于未经参数优化的SVM分类器,优化后平均识别率达到97.8％,并兼顾了分类的准确性和自适应性.
為提高下肢錶麵肌電信號步態識彆的準確性和實時性,該文提齣一種基于粒子群優化(PSO)算法優化支持嚮量機(SVM)的模式識彆方法.首先對消譟後的肌電信號提取積分肌電值和方差作為特徵樣本,然後利用PSO算法優化SVM的懲罰參數和覈函數參數,最後利用步態動作的肌電信號樣本數據對構造的SVM分類器進行訓練、測試.實驗結果錶明PSO-SVM分類器對下肢正常行走5箇步態的識彆率,明顯高于未經參數優化的SVM分類器,優化後平均識彆率達到97.8％,併兼顧瞭分類的準確性和自適應性.
위제고하지표면기전신호보태식별적준학성화실시성,해문제출일충기우입자군우화(PSO)산법우화지지향량궤(SVM)적모식식별방법.수선대소조후적기전신호제취적분기전치화방차작위특정양본,연후이용PSO산법우화SVM적징벌삼수화핵함수삼수,최후이용보태동작적기전신호양본수거대구조적SVM분류기진행훈련、측시.실험결과표명PSO-SVM분류기대하지정상행주5개보태적식별솔,명현고우미경삼수우화적SVM분류기,우화후평균식별솔체도97.8％,병겸고료분류적준학성화자괄응성.
