基于改进卷积神经网络的动力下肢假肢运动意图识别
传统动力下肢假肢运动意图识别算法常使用机器学习算法分类器,在特征选择方面则需要手工提取.针对该问题将深度学习算法应用于运动意图识别研究中,通过在传统的卷积神经网络的基础上进行改进,使算法更适应于基于短时行为样本数据的运动意图识别,同时抑制深度学习算法应用于运动意图识别中的过拟合.在意图识别数据集中进行滑动窗口预处理,目的是对时间序列样本做数据增广,扩增目标数据集能够使训练集更加丰富全面,提高识别的精度,运用改进后的卷积神经网络对增广后的数据集进行特征学习与分类.实验结果表明,该方法在13类运动模式下的识别率达到93%.
动力下肢假肢;运动意图识别;短时时间序列样本;改进卷积神经网络;自学习特征
36
TP391(计算技术、计算机技术)
国家自然科学基金项目;教育部"云数融合科教创新"基金项目;安徽省科技重大专项;安徽省高校领军人才团队项目;安徽省高校优秀拔尖人才培育项目
2021-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
3031-3038