10.16450/j.cnki.issn.1004-6801.2019.06.012
采用鱼群算法进化极限学习机的假肢步态识别
为提高下肢假肢步态识别的准确性,提出一种基于鱼群(fish swarm ,简称FA )算法优化极限学习机(ex-treme learning machine ,简称 ELM )的模式识别方法.首先,提取张量投影特征,分析了特征值选取的合理性;其次,采用主成分分析法降维;最后,利用鱼群算法进化极限学习机分类识别平地行走、上楼、下楼、上坡及下坡5种步态,识别准确率达到97 .45%.通过实验比较了该算法与极限学习机等分类器在假肢步态分类上的识别准确率与识别时间,结果表明,FA-ELM方法识别准确率优于其他方法.
表面肌电信号、极限学习机、鱼群算法、步态识别、智能假肢
39
TH24(起重机械与运输机械)
国家自然科学基金资助项目61773151,61703135;河南省高等学校重点科研资助项目18A413014;郑州轻工业大学博士基金资助项目0314-13501050006;郑州轻工业大学校级青年骨干教师资助项目0314-13502010001
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
1225-1231