标题 | 作者 | 单位 | 期刊 | 关键词 |
---|---|---|---|---|
基于肌电信号的人手姿态多模式识别方法 | 杨大鹏 赵京东 姜力 刘宏 | 哈尔滨工业大学 机器人技术与系统国家重点实验室 | 上海交通大学学报 | 肌电控制 模式识别 支持向量机 假手 |
基于肌电信号的手部动作模式识别新思路 | 王焕玲 尤波 黄玲 杨大鹏 | 哈尔滨工业大学 机器人技术与系统国家重点实验室 | 计算机工程与应用 | 表面肌电信号 模式识别 误差反向传播神经网络 |
基于支持向量机的人手姿态肌电模式识别与力检测 | 杨大鹏 赵京东 崔平远 姜力 刘宏 | 哈尔滨工业大学 机器人技术与系统国家重点实验室 | 高技术通讯 | 肌电控制 模式识别 支持向量机 假手 |
三篇文章的共通之处:分类模式
将拇指、食指 其余指作为单一的自由度,他们的放松、弯曲、伸展各作为一个“态”,最终由27种可能的类别。
基于肌电信号的人手姿态多模式识别方法
一、特征提取
选取特征:均值(采样频率:1kHz,10个通道,得到6维特征)
二、分类方法:SVM
1.SVM思想
找到使得两类数据距离最大的超平面进行分割
2.“核”的概念
- RBF核
3.问题转化(没懂)
- 拉格朗日优化算法:将SVM二次规划问题转化为对偶问题求解
基于肌电信号的手部动作模式识别新思路
一、特征提取
选取特征:均值
二、分类方法:BP神经网络
- 思想:三个神经网络分别识别三个手指的状态
- 隐藏层结点数设定
- 初试权值设定:要求在初始权值设定时,在初始输入累加时每个神经元状态接近于零(较小的随机数)
- 参数设置
基于支持向量机的人手姿态肌电模式识别与力检测
一、激发态与空闲态判断
二、模式识别:C-SVM
- 识别函数
- 高斯核
总结
一、收获
- 通过对三篇文章的对比学习,比较文章的共同之处与不同之处,对手势识别的方法有了更具体的了解
- 学习到了将手分为三个部分,对每个部分指定三个“态”的思想
二、展望
- 了解到对C-SVM以及“核”的概念不熟悉,日后将重点学习