-
题名融合表面肌电和加速度信号的下肢运动模式识别研究
被引量：9
- 1
-
-
作者
席旭刚
汤敏彦
张自豪
张启忠
罗志增
-
机构
杭州电子科技大学智能控制与机器人研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2017年第11期2735-2741,共7页
-
基金
浙江省自然科学基金(No.LY17F030021)
国家自然科学基金(No.61671197)
-
文摘
为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数(Product Functions,PFs),再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重(Laplacian score,LS)特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.
-
关键词
下肢运动模式识别
表面肌电信号
加速度信号
多尺度排序熵
改进二叉树支持向量机
-
Keywords
lower limb motion pattern recognition
surface electromyography(sEMG)
acceleration signal
multiscale permutation entropy(MPE)
improved support vector machine based binary tree(ISVM-BT)
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进EEMD方法的因子动量组合绩效研究
被引量：1
- 2
-
-
作者
王志强
王思聪
-
机构
东北财经大学金融学院
-
出处
《财经问题研究》
CSSCI
北大核心
2022年第10期55-63,共9页
-
基金
国家自然科学基金面上项目“股市极端波动中流动性螺旋的微观机制与治理研究”(71873023)。
-
文摘
集合经验模态分解(EEMD)方法用于分解具有复杂特性因子序列的变动趋势有较强的去噪效果,但用于因子组合构建时缺乏客观统一的去噪规则。基于此,本文提出了基于多尺度排序熵的改进EEMD方法,用于分解因子序列,并构建因子动量组合,采用2007年1月至2021年12月中国A股市场中94个异象因子数据,考察因子动量组合的绩效。研究结果表明,与指数移动平均方法、改进HP滤波方法、主成分分析方法和EEMD方法相比,采用改进EEMD方法构建的因子动量组合在提升因子动量组合绩效方面具有明显的优势;与未经趋势分解的原始因子动量组合相比,采用改进EEMD方法构建的因子动量组合的平均超额收益率提高了35.32%,夏普比率提高了37.74%,异常收益率提高了37.97%;因子动量组合中的因子个数、训练集长度和交易成本对因子动量组合绩效的影响有限。
-
关键词
因子动量组合绩效
多尺度排序熵
改进EEMD方法
-
分类号
F830.59
[经济管理—金融学]
-
