文档名：基于多域融合与特征选择的手势识别研究
摘要：由于手部运动类型增加,准确地对表面肌电(sEMG)信号进行分类需要更多特征.针对特征维数增加导致的特征冗余现象,提出了基于多域融合与特征选择的手势识别方法.从4个通道sEMG信号中提取时域、频域和时频域特征构成特征集.分别采用最小冗余最大相关(mRMR)、基于快速关联的过滤(FCBF)算法、ReliefF、Pearson相关系数进行特征排序,并且利用线性判别分析(LDA)与支持向量机(SVM)对12种精细手势动作进行分类.将4种特征选择与2种分类器的组合构成不同的手势识别模型,SVM-ReliefF手势识别模型分类效果优于其余7种识别模型,在提取30维特征的情况下,分类准确率为96.67％.结果表明:基于多域融合与特征选择的手势识别降维效果显著,且分类效果较好.
作者：冯凯 董秀成 刘栋博Author：FENGKai DONGXiucheng LIUDongbo
作者单位：西华大学电气与电子信息学院,四川成都610039
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(5)
分类号：TN911.7
关键词：表面肌电信号 多域融合 特征选择 分类器 手势识别
机标分类号：
在线出版日期：2023年5月31日
基金项目：国家自然科学基金，四川省中央引导地方科技发展专项项目，教育部春晖计划，四威高科—西华大学产学研联合实验室项目基于多域融合与特征选择的手势识别研究[
期刊论文] 传感器与微系统--2023, 42(5)冯凯 董秀成 刘栋博由于手部运动类型增加,准确地对表面肌电(sEMG)信号进行分类需要更多特征.针对特征维数增加导致的特征冗余现象,提出了基于多域融合与特征选择的手势识别方法.从4个通道sEMG信号中提取时域、频域和时频域特征构成特征集....参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多域融合与特征选择的手势识别研究 Research on gesture recognition based on multi-domain fusion and feature selection
基于多域融合与特征选择的手势识别研究.pdf
- 文件大小:
- 1.24 MB
- 下载次数:
- 60
-
高速下载
|
|
