信息系统工程
信息繫統工程
신식계통공정
INFORMATION SYSTEM ENGINEERING
2015年
6期
100-102
,共3页
姿态手势识别%Kohonen网络%表面肌电信号%有监督%权值优化
姿態手勢識彆%Kohonen網絡%錶麵肌電信號%有鑑督%權值優化
자태수세식별%Kohonen망락%표면기전신호%유감독%권치우화
为提高智能仿生手姿态手势识别正确率,本文提出一种改进Kohonen自组织竞争网络.针对表面肌电信号(sEMG)特性,对Kohonen网络结构进行调整,增加输出层将其变为有监督学习网络,并优化初始权值.选择具有较高分类能力的特征值AR模型系数作为改进Kohonen网络的输入,识别伸食指、伸腕、屈腕、OK手势、数字8手势、侧腕、胜利手势和反掌8种姿态模式.实验表明,与传统Kohonen网络相比,改进的神经网络分类器具有更高的分类能力.
為提高智能倣生手姿態手勢識彆正確率,本文提齣一種改進Kohonen自組織競爭網絡.針對錶麵肌電信號(sEMG)特性,對Kohonen網絡結構進行調整,增加輸齣層將其變為有鑑督學習網絡,併優化初始權值.選擇具有較高分類能力的特徵值AR模型繫數作為改進Kohonen網絡的輸入,識彆伸食指、伸腕、屈腕、OK手勢、數字8手勢、側腕、勝利手勢和反掌8種姿態模式.實驗錶明,與傳統Kohonen網絡相比,改進的神經網絡分類器具有更高的分類能力.
위제고지능방생수자태수세식별정학솔,본문제출일충개진Kohonen자조직경쟁망락.침대표면기전신호(sEMG)특성,대Kohonen망락결구진행조정,증가수출층장기변위유감독학습망락,병우화초시권치.선택구유교고분류능력적특정치AR모형계수작위개진Kohonen망락적수입,식별신식지、신완、굴완、OK수세、수자8수세、측완、성리수세화반장8충자태모식.실험표명,여전통Kohonen망락상비,개진적신경망락분류기구유경고적분류능력.
