本文關(guān)鍵詞：基于ReliefF算法與遺傳算法的肌電信號(hào)特征選擇

  更多相關(guān)文章： 肌電信號(hào) ReliefF算法 遺傳算法 特征選擇

【摘要】：針對(duì)肌電信號(hào)特征維數(shù)高、運(yùn)算效率低等問(wèn)題,提出了一種基于ReliefF算法與遺傳算法(GA)相結(jié)合的肌電信號(hào)特征選擇方法.分析了肌電信號(hào)的特征,運(yùn)用小波分析對(duì)肌電信號(hào)進(jìn)行特征提取,采用ReliefF算法評(píng)估所提取的高維特征信號(hào)的權(quán)值,以選出對(duì)分類(lèi)效果影響顯著(權(quán)值較大)的特征子集,采用GA進(jìn)一步篩選出分類(lèi)效果最佳的特征子集,并對(duì)比分析了基于ReliefFGA-Wrapper算法與全局搜索算法對(duì)肌電信號(hào)處理的時(shí)間和分類(lèi)效果.結(jié)果表明,所提出的方法能夠提高運(yùn)算效率并具有很好的分類(lèi)效果.
【作者單位】： 上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院;
【關(guān)鍵詞】： 肌電信號(hào) ReliefF算法 遺傳算法 特征選擇
【基金】：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃(973)項(xiàng)目(2011CB013305) 國(guó)家自然科學(xué)基金項(xiàng)目(51475288,51275293) 中國(guó)博士后科學(xué)基金項(xiàng)目(2014M551406)資助
【分類(lèi)號(hào)】：TN911.7
【正文快照】： 表面肌電信號(hào)(SEMG)是眾多肌纖維中運(yùn)動(dòng)單元?jiǎng)幼麟娢辉跁r(shí)間和空間上的疊加,其中蘊(yùn)含了很多與人體動(dòng)作相關(guān)的信息,而且不同類(lèi)型動(dòng)作的動(dòng)作電位存在差異,通過(guò)分析動(dòng)作電位可以區(qū)分不同的動(dòng)作模式[1],因而SEMG在臨床醫(yī)學(xué)、人機(jī)功效學(xué)、康復(fù)醫(yī)學(xué)以及體育科學(xué)等領(lǐng)域具有較好的實(shí)用，

本文編號(hào)：739442