ارزیابی عملکرد SVM درطبقه بندی حرکت اندام فوقانی با استفاده از سیگنال الکترومایوگرام
محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,176
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME14_065
تاریخ نمایه سازی: 3 تیر 1387
چکیده مقاله:
This paper evaluates the Support Vector Machine (SVM) applied to upper limb motion classification using myoelectric signals. The main purpose of this paper is to compare SVM-based classifiers with LDA and MLP. SVM demonstrates exceptional classification accuracy and results in a
robust way of limb motion classification with low computational cost. The validity of entropy, as an index to measure correctness of classification, is also examined. Experimental results show that entropy is a reliable measure for online training in myoelectric control systems.
نویسندگان
Mohammadreza Asghari Oskoei
Department of Computing and Electronic Systems University of Essex Wivenhoe Park, Colchester CO۴ ۳SQ, U.K.
Huosheng Hu
Department of Computing and Electronic Systems University of Essex Wivenhoe Park, Colchester CO۴ ۳SQ, U.K.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :