文献类型：期刊文章

作　　者：高发荣[1] 王佳佳[1] 席旭刚[1] 佘青山[1] 罗志增[1]

机构地区：[1]杭州电子科技大学智能控制与机器人研究所,杭州310018

出　　处：《电子与信息学报》

基　　金：浙江省自然科学基金(Y1101230;LY13F030017);浙江省科技计划(2012C33075;2013C24016);国家自然科学基金(61201302;61172134)资助课题

年　　份：2015

卷　　号：37

期　　号：5

起止页码：1154-1159

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为提高下肢表面肌电信号步态识别的准确性和实时性,该文提出一种基于粒子群优化(PSO)算法优化支持向量机(SVM)的模式识别方法。首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本,然后利用PSO算法优化SVM的惩罚参数和核函数参数,最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试。实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率,明显高于未经参数优化的SVM分类器,优化后平均识别率达到97.8%,并兼顾了分类的准确性和自适应性。

关 键 词：模式识别  步态分析 肌电信号 粒子群优化 支持向量机

分 类 号：TP391.4] TP24[计算机类]