支持向量机在表面肌电信号模式分类中的应用

• 作者: 崔建国 张大千 李忠海 王旭
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 表面肌电信号 小波变换 支持向量机 模式分类
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 信息与控制
• 页码范围: 280-283
• 页数: 4页
• 分类号: TP391.4
• 字数: 3093字
• 语种: 中文
• DOI: 10.3321/j.issn:1005-3026.2006.03.012

摘要

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用"一对一"分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔建国	东北大学教育部暨辽宁省流程工业综合自动化重点实验室	16	174	8.0	13.0
2	王旭	东北大学教育部暨辽宁省流程工业综合自动化重点实验室	158	1256	18.0	26.0
3	张大千	沈阳航空工业学院自动控制系	39	168	7.0	12.0
4	李忠海	沈阳航空工业学院自动控制系	51	366	10.0	17.0