Indexed by：
Abstract：
为了提高基于表面肌电信号下肢运动识别的准确性,提出了一种优化模糊加权核极限学习机(Kernel-based Fuzzy Weighted Extreme Learning Machine,KFWELM)的下肢运动识别方法.首先提取表面肌电信号的时域、频域、非线性特征,使用局部Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)和局部保持投影(Locality Preserving Projections,LPP)进行特征降维处理,以减少原特征的信息丢失;其次,采用改进高斯量子粒子群算法(Gaussian Quantum Particle Swarm Optimization,GQPSO)优化KFWELM的正则化系数和核参数;最后进行决策级自适应融合得到分类结果.利用UCI数据库中的数据集进行算法验证,健康人群和患病人群下肢运动分类的平均准确率分别为96.6％和92.8％.实验表明,所提出的方法提高了下肢运动分类的准确率和有效性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
传感技术学报
ISSN： 1004-1699
Year： 2022
Issue： 5
Volume： 35
Page： 621-626
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
