典型文献
基于优化模糊加权核极限学习机的下肢运动识别方法
文献摘要：
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.
文献关键词：
表面肌电信号;下肢运动识别;高斯量子粒子群算法;模糊加权核极限学习机
中图分类号：
作者姓名：
赵翔;涂娟;黄紫娟
作者机构：
福州大学,电气工程与自动化学院,福建 福州350108;福建省医疗器械与医药技术重点实验室,福建 福州350108
文献出处：
引用格式：
[1]赵翔;涂娟;黄紫娟-.基于优化模糊加权核极限学习机的下肢运动识别方法)[J].传感技术学报,2022(05):621-626
A类：
模糊加权核极限学习机,加权核极限学习机,下肢运动识别,KFWELM,LFDA,高斯量子粒子群算法,GQPSO
B类：
表面肌电信号,Kernel,Fuzzy,Weighted,Extreme,Learning,Machine,频域,非线性特征,Fisher,判别分析,Discriminant,Analysis,局部保持投影,Locality,Preserving,Projections,LPP,特征降维,降维处理,信息丢失,Gaussian,Quantum,Particle,Swarm,Optimization,正则化,核参数,自适应融合,UCI,算法验证,健康人群,平均准确率
AB值：
0.248026
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。
