高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于粒子群优化-支持向量机方法的下肢肌电信号步态识别

高发荣 王佳佳 席旭刚 佘青山 罗志增

高发荣, 王佳佳, 席旭刚, 佘青山, 罗志增. 基于粒子群优化-支持向量机方法的下肢肌电信号步态识别[J]. 电子与信息学报, 2015, 37(5): 1154-1159. doi: 10.11999/JEIT141083
引用本文: 高发荣, 王佳佳, 席旭刚, 佘青山, 罗志增. 基于粒子群优化-支持向量机方法的下肢肌电信号步态识别[J]. 电子与信息学报, 2015, 37(5): 1154-1159. doi: 10.11999/JEIT141083
Gao Fa-Rong, Wang Jia-Jia, Xi Xu-Gang, She Qing-Shan, Luo Zhi-Zeng. Gait Recognition for Lower Extremity Electromyographic Signals Based on PSO-SVM Method[J]. Journal of Electronics & Information Technology, 2015, 37(5): 1154-1159. doi: 10.11999/JEIT141083
Citation: Gao Fa-Rong, Wang Jia-Jia, Xi Xu-Gang, She Qing-Shan, Luo Zhi-Zeng. Gait Recognition for Lower Extremity Electromyographic Signals Based on PSO-SVM Method[J]. Journal of Electronics & Information Technology, 2015, 37(5): 1154-1159. doi: 10.11999/JEIT141083

基于粒子群优化-支持向量机方法的下肢肌电信号步态识别

doi: 10.11999/JEIT141083
基金项目: 

浙江省自然科学基金(Y1101230, LY13F030017),浙江省科技计划(2012C33075, 2013C24016)和国家自然科学基金(61201302, 61172134)资助课题

Gait Recognition for Lower Extremity Electromyographic Signals Based on PSO-SVM Method

  • 摘要: 为提高下肢表面肌电信号步态识别的准确性和实时性,该文提出一种基于粒子群优化(PSO)算法优化支持向量机(SVM)的模式识别方法。首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本,然后利用PSO算法优化SVM的惩罚参数和核函数参数,最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试。实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率,明显高于未经参数优化的SVM分类器,优化后平均识别率达到97.8%,并兼顾了分类的准确性和自适应性。
  • 加载中
计量
  • 文章访问数:  1506
  • HTML全文浏览量:  160
  • PDF下载量:  675
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-08-14
  • 修回日期:  2014-12-30
  • 刊出日期:  2015-05-19

目录

    /

    返回文章
    返回