典型文献
基于FGNN算法的sEMG肌肉疲劳分类方法
文献摘要：
为了防止果蝇优化算法的局部最优约束,提高肌肉疲劳分类的准确率,本研究提出了一种基于肌电信号的肌肉疲劳分类方法:果蝇-遗传优化算法,实现了肌肉疲劳的准确检测和分类.在改进的果蝇优化算法基础上把遗传算法的交叉变异和果蝇优化算法混合,并与神经网络结合对肌肉疲劳进行识别.相较于果蝇优化算法,改进后的算法有更强的跳出局部最优的能力.与神经网络结合后对于疲劳状态识别具有更好的效果.本研究提出的肌肉疲劳分类方法,可以防止运动员过度疲劳引起的肌肉损伤,实现准确的肌肉疲劳检测和分类.一共招募了10名健康的年轻参与者(6名男性和4名女性)进行疲劳测试.首先根据主观评测法对疲劳等级进行划分.然后将采集到的肌电信号数据进行预处理、提取特征后作为神经网络,遗传算法-神经网络,果蝇优化算法-神经网络,果蝇-遗传算法-神经网络的输入.经比较果蝇-遗传优化算法-神经网络的准确率为94.3％,优于其他方法.
文献关键词：
果蝇优化算法;肌电信号;肌肉疲劳;遗传算法
中图分类号：
作者姓名：
刘光达;许蓝予;肖若兰;孙嘉琪;蔡靖;张守伟
作者机构：
吉林大学仪器科学与电气工程学院,长春130000;东北师范大学体育学院,长春130000
文献出处：
引用格式：
[1]刘光达;许蓝予;肖若兰;孙嘉琪;蔡靖;张守伟-.基于FGNN算法的sEMG肌肉疲劳分类方法)[J].科学技术与工程,2022(19):8370-8377
A类：
FGNN
B类：
sEMG,肌肉疲劳,疲劳分类,分类方法,果蝇优化算法,局部最优,肌电信号,遗传优化算法,交叉变异,于果,跳出局部,疲劳状态,状态识别,别具,运动员,肌肉损伤,疲劳检测,一共,招募,疲劳测试,主观评测,疲劳等级,号数,提取特征,其他方法
AB值：
0.229124
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
