|
|||||
|
|
| 基于改进支持向量机的人手动作模式识别方法 | |
| 引用本文： | 都明宇,鲍官军,杨庆华,王志恒,张立彬.基于改进支持向量机的人手动作模式识别方法[J].浙江大学学报(自然科学版 ),2018(7). |
| 作者姓名： | 都明宇 鲍官军 杨庆华 王志恒 张立彬 |
| 作者单位： | 浙江工业大学机械工程学院 |
| 摘 要： | 为了提高基于表面肌电信号(sEMG)控制的手部运动康复器对人手多种动作模式的识别率,比较常规支持向量机(SVM)多类分类器的特点,提出改进的决策树支持向量机多类分类方法.该方法引入基于sEMG特征向量的类间距离可分性测度来指导决策树的构建,能够为每个SVM子分类器的训练提供识别率较高的样本划分方案,在提高决策树内部节点分类成功率的同时,简化了分类器结构.通过实验对比可知,新方法在20种手部动作模式的识别训练过程中,单项动作最低识别率较常规决策树方式提高了7.1%,平均识别率达到88.9%,训练速度较一对一支持向量机分类器提高了5.8%. |
| 本文献已被 CNKI 等数据库收录！ | |
