表面肌电的支持向量机分类

• 作者: 王志中 谢洪波 黄海
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 肌电信号 支持向量机 模式分类
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 论著
• 页码范围: 94-96,157
• 页数: 4页
• 分类号: R318.04
• 字数: 2696字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2004.02.005

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志中	上海交通大学生物医学工程系	73	1042	18.0	29.0
2	谢洪波	上海交通大学生物医学工程系	7	123	6.0	7.0
3	黄海	上海交通大学生物医学工程系	22	215	9.0	14.0