基于改进支持向量机的人手动作模式识别方法

• 作者: 张立彬 杨庆华 王志恒 都明宇 鲍官军
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 表面肌电信号(sEMG) 类间距离 模式识别 支持向量机(SVM) 决策树
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 机器人建模与控制
• 页码范围: 1239-1246
• 页数: 8页
• 分类号: TP241
• 字数: 6585字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2018.07.002

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立彬	浙江工业大学机械工程学院	94	1624	26.0	38.0
2	杨庆华	浙江工业大学机械工程学院	89	1051	20.0	29.0
3	鲍官军	浙江工业大学机械工程学院	65	939	18.0	29.0
4	都明宇	浙江工业大学机械工程学院	17	84	5.0	8.0
5	王志恒	浙江工业大学机械工程学院	21	162	7.0	12.0