| 表面肌电的支持向量机分类 |
| |
| 引用本文： | 谢洪波,王志中,黄海. 表面肌电的支持向量机分类[J]. 北京生物医学工程, 2004, 23(2): 94-96,157 |
| |
| 作者姓名： | 谢洪波 王志中 黄海 |
| |
| 作者单位： | 上海交通大学生物医学工程系,200030;上海交通大学生物医学工程系,200030;上海交通大学生物医学工程系,200030 |
| |
| 摘 要： | 支持向量机(SVM)是一种新的机器学习机制.研究了基于支持向量机的控制假手表面肌电识别方法和性能,并与反向传播(BP)神经网络分类器进行了比较.分类的六种手腕部动作分别是腕内旋、腕外旋、展拳、握拳、肘部外旋、肘部内旋.利用"一对一"的分类策略和二叉树构造多类SVM分类器.核函数分别采用多项式和径向基函数.实验结果表明SVM可以有效地对表面动作肌电进行分类,SVM分类准确率普遍优于传统的BP神经网络,且具有良好的泛化推广能力.不同的核函数对分类准确率影响较小.
|
| 关 键 词： | 肌电信号 支持向量机 模式分类 |
| 文章编号： | 1002-3208(2004)02-0094-03 |
The Surface Electromyography Classification Based on Support Vector Machine |
| |
| XIE Hongbo,WANG Zhizhong,HUANG Hai. The Surface Electromyography Classification Based on Support Vector Machine[J]. Beijing Biomedical Engineering, 2004, 23(2): 94-96,157 |
| |
| Authors: | XIE Hongbo WANG Zhizhong HUANG Hai |
| |
| Affiliation: | XIE Hongbo,WANG Zhizhong,HUANG Hai. Department of Biomedical Engineering,Shanghai Jiaotong University,Shanghai 200030 |
| |
| Abstract: | |
| |
| Keywords: | Electromyography (EMG) Support vector machine (SVM) Pattern classification |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
