期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于BPSO-PSO-LSSVM算法的上肢sEMG分类
1
作者 贠今天 苗冠 +1 位作者 李帅 耿梓敬 《科学技术与工程》 北大核心 2025年第18期7686-7692,共7页
作为与人体运动密切相关的生理信号,表面肌电(surface electromyography, sEMG)信号的解析在人机交互领域具有重要的作用。针对肌电信号分类效率和精度难以兼顾的问题,提出了一种特征筛选与分类器超参数优化相结合的上肢sEMG分类方法,... 作为与人体运动密切相关的生理信号,表面肌电(surface electromyography, sEMG)信号的解析在人机交互领域具有重要的作用。针对肌电信号分类效率和精度难以兼顾的问题,提出了一种特征筛选与分类器超参数优化相结合的上肢sEMG分类方法,该方法采用二进制粒子群优化(binary particle swarm optimization, BPSO)算法对特征进行筛选后,进一步采用粒子群优化(particle swarm optimization, PSO)算法调整最小二乘支持向量机(least squares support vector machine, LSSVM)的超参数。通过采集人上体4个部位的表面肌电信号并提取其中48维特征,对上肢常见的4种动作进行分类实验,结果表明,BPSO-PSO-LSSVM算法仅保留肌电数据的21维特征,得到的平均分类准确率达到97.54%,证明该方法可以有效筛选出用于上肢动作分类的最佳特征组合,并且提高运动分类的准确率。 展开更多
关键词 表面肌电信号 特征选择 二进制粒子群优化 粒子群优化 动作分类 最小二乘支持向量机
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部