基于改进深度森林的表面肌电手势识别方法 |
| |
引用本文: | 黄圣,茅健.基于改进深度森林的表面肌电手势识别方法[J].上海工程技术大学学报,2023(2):190-197. |
| |
作者姓名: | 黄圣 茅健 |
| |
作者单位: | 上海工程技术大学机械与汽车工程学院 |
| |
摘 要: | 为提高基于表面肌电图(surface Electromyo Graphy, sEMG)手势识别的准确率,提出一种改进深度森林相结合的手部运动识别方法.将极致梯度提升(eXtreme Gradient Boosting,XGBoost)树引入深度森林模型,与随机森林和完全随机森林共同组成深度森林的级联结构.深度森林模型在每个层次上集成3种不同的基于树的分类器,共4个决策森林,包括1个随机森林、1个极端随机森林和2个极致梯度提升树,利用不同学习算法之间的互补性来提高分类性能.为评估该模型性能,采集4名健康受试者的表面肌电信号进行手部动作识别验证试验,并与随机森林、支持向量机、一维卷积神经网络及二维卷积神经网络等算法比较.结果表明,提出方法对16种常用手部动作的平均识别精度为94.14%,对表面肌电信号实现了较高的分类准确率.
|
关 键 词: | 深度森林 表面肌电图 深度学习 模式识别 极致梯度提升 动作分类 |
|
|