期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PCA与SVM结合的面部表情识别的智能轮椅控制
被引量：
9
1
作者
罗元
吴彩明
张毅
《计算机应用研究》
CSCD
北大核心
2012年第8期3166-3168,共3页
为了实现基于面部表情识别的智能轮椅控制,在传统的支持向量机(SVM)面部表情识别与分类方法的基础上,采用基于"八眼"的面部有效区域提取方法,将基于主成分分析(PCA)的面部表情特征提取方法与支持向量机分类方法相结合,实现了...
为了实现基于面部表情识别的智能轮椅控制,在传统的支持向量机(SVM)面部表情识别与分类方法的基础上,采用基于"八眼"的面部有效区域提取方法,将基于主成分分析(PCA)的面部表情特征提取方法与支持向量机分类方法相结合,实现了面部表情的识别与分类,并最终实现基于面部表情识别的智能轮椅的运动控制。实验结果表明,所采用的方法在识别率上明显优于传统SVM与PCA方法。
展开更多
关键词
面部表情识别
主成分分析
支持向量机
面部有效区域提取
智能轮椅控制
在线阅读
下载PDF
职称材料
基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统
被引量：
3
2
作者
张毅
祝翔
罗元
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第S2期73-76,共4页
针对单一脑电控制智能轮椅中信号识别率不高和系统稳定性低的问题,考虑到脑电传感器Emotiv能同时获取脑肌电信号,提出一个基于支持向量机(support vector machine,SVM)多分类技术的肌电信号(electromyography,EMG)辅助脑电信号(electroe...
针对单一脑电控制智能轮椅中信号识别率不高和系统稳定性低的问题,考虑到脑电传感器Emotiv能同时获取脑肌电信号,提出一个基于支持向量机(support vector machine,SVM)多分类技术的肌电信号(electromyography,EMG)辅助脑电信号(electroencephalogram,EEG)的轮椅控制系统。系统采用小波变换和阈值法分别对EEG和EMG进行特征提取,并对特征向量进行融合;然后,采用多分类SVM对信号进行分类,将分类结果作为智能轮椅的控制指令。实验证明,系统与单一脑电控制相比,动作识别率高,稳定性好。
展开更多
关键词
脑电信号
肌电信号
多分类支持向量机
智能轮椅控制
系统
在线阅读
下载PDF
职称材料
题名
基于PCA与SVM结合的面部表情识别的智能轮椅控制
被引量：
9
1
作者
罗元
吴彩明
张毅
机构
重庆邮电大学光电工程学院
重庆邮电大学自动化学院
出处
《计算机应用研究》
CSCD
北大核心
2012年第8期3166-3168,共3页
基金
国家自然科学基金资助项目(51075420)
国家科技部国际合作项目(2010DFA12160)
+1 种基金
重庆市科技攻关资助项目(CSTC
2010AA2055)
文摘
为了实现基于面部表情识别的智能轮椅控制,在传统的支持向量机(SVM)面部表情识别与分类方法的基础上,采用基于"八眼"的面部有效区域提取方法,将基于主成分分析(PCA)的面部表情特征提取方法与支持向量机分类方法相结合,实现了面部表情的识别与分类,并最终实现基于面部表情识别的智能轮椅的运动控制。实验结果表明,所采用的方法在识别率上明显优于传统SVM与PCA方法。
关键词
面部表情识别
主成分分析
支持向量机
面部有效区域提取
智能轮椅控制
Keywords
facial expression recognition
PCA
SVM
facial effective area extraction
control of intelligent wheelchair
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统
被引量：
3
2
作者
张毅
祝翔
罗元
机构
重庆邮电大学信息无障碍工程研发中心光纤通信技术重点实验室
出处
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第S2期73-76,共4页
基金
科技部国际合作项目(2010DFA12160)
国家自然科学基金资助项目(60905066
51075420)
文摘
针对单一脑电控制智能轮椅中信号识别率不高和系统稳定性低的问题,考虑到脑电传感器Emotiv能同时获取脑肌电信号,提出一个基于支持向量机(support vector machine,SVM)多分类技术的肌电信号(electromyography,EMG)辅助脑电信号(electroencephalogram,EEG)的轮椅控制系统。系统采用小波变换和阈值法分别对EEG和EMG进行特征提取,并对特征向量进行融合;然后,采用多分类SVM对信号进行分类,将分类结果作为智能轮椅的控制指令。实验证明,系统与单一脑电控制相比,动作识别率高,稳定性好。
关键词
脑电信号
肌电信号
多分类支持向量机
智能轮椅控制
系统
Keywords
EEG
EMG
multi-class SVM
intelligent wheelchair control system
分类号
TP273.5 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCA与SVM结合的面部表情识别的智能轮椅控制
罗元
吴彩明
张毅
《计算机应用研究》
CSCD
北大核心
2012
9
在线阅读
下载PDF
职称材料
2
基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统
张毅
祝翔
罗元
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013
3
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
