排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
体表肌电信号会随着外部或人体内部环境变化而发生改变,这种时变特征使得固定参数肌电模式分类器的分类精
度会随着时间的延长而下降。为了获得具有稳定性能的肌电假肢控制系统,在肌电模式分类器中加入自适应机制是很有
必要的。本文以传统线性判别分析(Linear Discriminant Analysis,LDA)为基础,尝试在肌电模式分类器中引入三种自适应
方案,并探讨了这三种方案在肌电模式分类应用中的优缺点。初步研究表明:自增强线性判别分析(Self-enhancing LDA,
SELDA)分类器和循环训练集线性判别(Cycle Substitution LDA,CSLDA)分类器都能够将识别准确率提升 5% 左右。其
中,SELDA 是一种有效的自适应方案,而 CSLDA 可以得到更高的识别率提升和更好的稳定性,但是计算量较大,需要
更大的代价。卡尔曼自适应线性判别(Kalman Adaptive LDA,KALDA)分类器单独使用效果不明显,需要进一步改进或结
合其他方法使用。 相似文献
1