北京生物医学工程

表面肌电的支持向量机分类

The Surface Electromyography Classification Based on Support Vector Machine

作者：谢洪波;王志中;黄海

单位：上海交通大学生物医学工程系,200030

关键词：肌电信号%支持向量机%模式分类

分类号：

出版年·卷·期（页码）：2004·23·2（94-96）

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.

参考文献：

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录