改进的P SO-SVM在表面肌电信号模式识别中的研究

摘要：

为了提高表面肌电信号的遥操作机械手运动模式识别率,设优化支持向量机(IPSO-SVM).该方法首先简化PSO的位置和速度公式,然后提出ESE状态估计策略判断算法的"早熟"收敛,最后对6类手臂运动模式(握拳、展拳、内旋、外旋、屈腕、伸腕)进行分类并与另外4个测试算法的分类结果进行比较.实验结果表明:IPSO-SVM算法的平均准确率为93.75%,而传统SVM算法的平均准确率为70.21%;算法的训练时间和泛化时间都有明显的提高;具有较强的鲁棒性和抗干扰能力.因此IPSO-SVM算法可以很好的解决表面肌电信号的动作模式分类问题,具有很好的应用价值.

关键词：表面肌电信号、模式识别、粒子群优化算法、支持向量机

所属期刊栏目：30

分类号：TP24(自动化技术及设备)

资助基金：上海电机学院登峰学科机械工程支持项目16DFXK01

在线出版日期：2017-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1459-1464