如需要完整文档点击下方 "点击下载文档" 按钮

摘要:传统基于肌电（Electromyography，EMG）的运动识别方法多是利用训练后的固定参数模型，分类已预先定义的有限个目标动作，但对肌肉疲劳导致的肌电变化，以及未定义的外部动作等干扰因素无能为力.针对这一问题，提出一种自更新混合分类模型（Self-update hybrid classification model，SUHC），该模型融合了用于排除外部动作干扰的一类支持向量机（Support vector machine，SVM），以及用于分类目标动作数据的多类线性判别分析（Linear discriminant analysis，LDA），并引入自更新机制以对抗肌电时变性干扰.通过手部动作识别实验验证提出方法的效果，在肌电大幅变化干扰下，SUHC的目标动作识别精度达到89%，对比传统的支持向量机、多层感知器（Multiple layer perceptron，MLP）和核线性判别分析（Kernel LDA，KLDA），提高了约18%，并且SUHC具备排除外部动作干扰能力，排除精度高达93%.

如需要完整文档点击下方 "点击下载文档" 按钮

《基于自更新混合分类模型的肌电运动识别方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：049661

点击下载文档