基于人工鱼群算法优化SVM的手部动作sEMG识别

洪洁; 王璐; 汪超; 魏伟; 叶晔

doi:10.13873/J.1000-9787(2016)02-0023-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于人工鱼群算法优化SVM的手部动作sEMG识别

研究与探讨 | 更新时间：2025-09-11

- 基于人工鱼群算法优化SVM的手部动作sEMG识别
- Recognition of sEMG hand actions based on artificial fish swarm algorithm optimized SVM
- 传感器与微系统 2016年35卷第2期页码：23-25
- 作者机构：
  
  安徽工业大学机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61375068）;教育部人文社科研究项目（11YJC630208,13YJAZH106）;安徽省高等学校省级自然科学研究重点项目（KJ2013A056）;安徽省优秀青年人才基金重点项目（2013SQRL023ZD）
- DOI：10.13873/J.1000-9787(2016)02-0023-03
  中图分类号： TP391.41
- 纸质出版：2016
- 稿件说明：
移动端阅览
[1]洪洁,王璐,汪超,魏伟,叶晔.基于人工鱼群算法优化SVM的手部动作sEMG识别[J].传感器与微系统,2016,35(02):23-25.

HONG Jie, WANG Lu, WANG Chao, et al. Recognition of sEMG hand actions based on artificial fish swarm algorithm optimized SVM[J]. 2016, 35(2): 23-25.
[1]洪洁,王璐,汪超,魏伟,叶晔.基于人工鱼群算法优化SVM的手部动作sEMG识别[J].传感器与微系统,2016,35(02):23-25. DOI： 10.13873/J.1000-9787(2016)02-0023-03.

HONG Jie, WANG Lu, WANG Chao, et al. Recognition of sEMG hand actions based on artificial fish swarm algorithm optimized SVM[J]. 2016, 35(2): 23-25. DOI： 10.13873/J.1000-9787(2016)02-0023-03.

摘要

为了提高人体手部运动模式识别的准确性

提出了一种基于人工鱼群算法优化支持向量机（SVM）的模式识别方法。该方法对采集的表面肌电信号（s EMG）去噪后提取小波系数最大值作为特征样本

将提取后的特征输入到SVM进行动作模式识别

同时采用人工鱼群算法优化SVM（AFSVM）的惩罚参数和核函数参数

避免参数选择的盲目性

提高模型的识别精度。通过对内翻、外翻、握拳、展拳四种动作仿真结果表明:该方法与传统的SVM方法相比具有更高的识别率。

Abstract

To improve accuracy of human hand motion pattern recognition

a pattern recognition method for optimizing support vector machine（ SVM） by using artificial fish swarm algorithm（ AFSA） is proposed. The maximum value of wavelet coefficients is extracted as feature samples from the de-noised surface electromyography（ s EMG） signals

then the extracted feature is inputted into a SVM to classify actions recognition

and at the same time

AFSA is used to optimize the penalty parameters and the kernel parameters of the SVM

which avoids the blindness of parameters selection and improves recognition precision of the model. Simulation results show that four movements（ wrist down

wrist up

hand grasps

hand extension） are successfully identified by the method of SVM combined with AFSA. Compared with the traditional SVM method

the method has higher recognition accuracy.

关键词

Keywords

references

基于EMD小波阈值的表面肌电信号去噪研究 [J]. 洪洁,王璐,舒军勇,汪超. 重庆理工大学学报(自然科学) . 2015(08)

引入贪心鱼群的改进人工鱼群算法 [J]. 黄柏儒,樊晓光,禚真福,黄雷,杨永建,李晓辉. 传感器与微系统 . 2015(05)

基于HMM的下肢表面肌电信号模式识别的研究 [J]. 陈贵亮,周晓晨,李晨,刘更谦. 机械设计与制造 . 2015(01)

支持向量机在肌电信号模式识别中的应用 [J]. 高剑,罗志增. 传感技术学报 . 2007(02)

一种新型的智能优化方法-人工鱼群算法 [D]. 李晓磊. 浙江大学 2003

DWT-based Feature Extraction and Radon Transform Based Contrast Enhancement for Improved Iris Recognition [J] . Swathi S. Dhage,Sushma Shridhar Hegde,K. Manikantan,S. Ramachandran. Procedia Computer Science . 2015

Hand Motion Recognition from Single Channel Surface EMG Using Wavelet & Artificial Neural Network [J] . S.M. Mane,R.A. Kambli,F.S. Kazi,N.M. Singh. Procedia Computer Science . 2015

Fuzzy MUAP recognition in HSR-EMG detection basing on morphological features [J] . Kamel Mebarkia,Ra?s El’hadi Bekka,Aicha Reffad,Catherine Disselhorst-Klug. Journal of Electromyography and Kinesiology . 2014

Identification of EMG signals using discriminant analysis and SVM classifier [J] . Ahmet Alkan,Mücahid Günay. Expert Systems With Applications . 2011 (1)

浏览量

231

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于时域特征的光纤安防系统信号识别算法

篮球运动员不同步态下生物力学信号对比分析

基于半监督学习的跌倒检测系统设计

基于LLE和SVM的手部动作识别方法

基于支持向量机的加筋板健康监测