| 徐 云,王福能.采用 sEMG 的手势识别用 APSO/ CS-SVM 方法[J].电子测量与仪器学报,2020,34(7):1-7 |
| 采用 sEMG 的手势识别用 APSO/ CS-SVM 方法 |
| Gesture recognition method based on sEMG by APSO / CS-SVM |
| |
| DOI： |
| 中文关键词: 支持向量机 APSO/ CS 惩罚因子 核函数参数 参数寻优 手势识别 |
| 英文关键词:SVM APSO/ CS kernel function parameter penalty factor parameter optimization gesture recognition |
| 基金项目:浙江省自然科学基金(LQ20F030019)资助项目 |
|
|
|
|
| 摘要点击次数: 344 |
| 全文下载次数: 450 |
| 中文摘要: |
| 针对基于参数寻优的支持向量机(SVM)方法存在早熟收敛、全局寻优能力差、局部寻优精度低等问题,提出一种自适
应粒子群/ 布谷鸟(APSO/ CS)参数寻优方法,旨在实现 SVM 模型中核函数参数、惩罚因子的优化。 测试函数分别对 APSO/ CS、
APSO、CS 的参数寻优性能进行了对比分析,表明 APSO/ CS 寻优能够加快局部和全局寻优的收敛速度。 采用表面肌电信号
(sEMG)对 APSO/ CS、APSO、CS 寻优的 SVM 方法进行了手势识别对比测试,实验测试结果表明,采用 APSO/ CS 寻优的 SVM 方
法进行手势识别时正确率最高,最高正确率可达 94. 50%,该方法可为识别分类算法提供一种新思路。 |
| 英文摘要: |
| Aiming at the problems of premature convergence, poor ability in global optimization and low accuracy in local optimization for
support vector machine ( SVM) based on parameter optimization, an adaptive particle swarm optimization / cuckoo ( APSO/ CS )
parameter optimization method is proposed, in which the optimization of kernel function parameters and penalty factors in SVM model is
realized. The optimization performance of APSO/ CS, APSO and CS is compared and analyzed by test functions, which shows that
APSO/ CS can accelerate the convergence speed of local and global optimization. The gesture recognition methods based on surface
electromyography signal ( sEMG) by APSO/ CS, APSO and CS are compared. The experiment results show that the SVM method
optimized by APSO/ CS can realize the highest recognition accuracy, which is about 94. 50%. The proposed method can provide a new
way for the recognition and classification algorithm. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
