基于SVM-GDFNN的上肢康复训练机器人处方诊断
针对目前上肢康复训练机器人缺少对患肢训练模式智能处方诊断的问题,提出基于支持向量机和广义动态模糊神经网络(Support vector machine and generalized dynamic fuzzy neural networks,SVM-GDFNN)相融合的处方诊断方法.利用SVM采用结构风险最小原则,具有很好泛化能力的特点,对样本进行初步处方诊断.同时针对在SVM支持矢量附近区域样本易于出现错诊现象,利用GDFNN网络对支持矢量附近区域样本进行复诊,最终根据设计的诊断原则对患肢运动训练模式进行确诊.结合临床试验运用,分析患肢运动性能特征提取方法,阐述SVM-GDFNN处方诊断方法的模型建立以及测试诊断过程.临床试验结果表明该方法能够有效地减少样本的错诊现象,具有较高的诊断准确率;实现运动训练模式智能处方诊断功能,有助于提高康复训练机器人临床智能化水平.
康复机器人、支持向量机、广义动态模糊神经网络、智能诊断
49
TP249(自动化技术及设备)
国家自然科学基金61104206;江苏省自然科学基金BK2010063;江苏省产学研联合前瞻性研究BY2012201;江苏省物联网示范工程;江苏常州工业科技攻关CE20120085
2013-09-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
17-23