首页|采用组合特征法的极限学习机多手势精准识别

采用组合特征法的极限学习机多手势精准识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高手部动作的识别率与响应速度.提出综合特征选择与排列组合的组合特征法并与极限学习计算法(ELM)相结合的多手势模式精准识别方法.首先,运用肌电传感器采集八种手势动作;进而运用去噪技术与起止点检测技术对肌电信号进行预处理;其次,分别提取肌电信号时域、频域、时频域、4阶AR系数和非线性特征,将组合特征法与皮尔森相关系数法和主成分析法(PCA)选优的特征集进行对比;最后,用所选特征集与最优滑动窗相结合,运用极限学习机、神经网络(BP)和支持向量机(SVM)算法进行手势分类.实验结果表明,结合组合特征法与最优滑动窗口设计的ELM算法模型最优,平均识别率高达97.1％,结果超BP算法17.02％,且具有最短的训练与测试时间,有效证明所提方法的精准性和实时性.
Multi-Gesture Accurate Recognition of Extreme Learning Machine Using Combined Feature Method

Surface EMGEigenvalue ExtractionExtreme Learning MachinePrincipal AnalysisMultiple Ges-ture Recognition

来全宝、陶庆、胡玉舸、孟庆丰

展开 >

新疆大学机械工程学院,新疆乌鲁木齐 830047

表面肌电信号 特征值提取 极限学习机 主成分析 多手势识别

国家自然科学基金

51865056

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.389(7)
  • 1
  • 5