استفاده از روش LDA و مدل کلاس بندی Neural Pattern Recognition برای دسته بندی حرکات انگشتان دست در سیگنال های الگترومیوگرافی
- سال انتشار: 1396
- محل انتشار: پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی
- کد COI اختصاصی: COMCONF05_095
- زبان مقاله: فارسی
- تعداد مشاهده: 411
نویسندگان
دانشگاه آزاد اسلامی، واحد تبریز ، گروه مهندسی برق، تبریز، ایران
دانشگاه آزاد اسلامی، واحد تبریز ، گروه مهندسی برق، تبریز، ایران
چکیده
کاربرد سیگنال های الکترومیوگرافی در کنترل ماهیچه های بدن می باشد لذا از سیگنال های الکترومیوگرافی می توان برای کنترل سیستم های الکترونیکی و سایر ابزار ها استفاده کرد . برای اینکه این سیگنال ها را انالیز و تجزیه و تحلیل کرد لازم است ویژگی های سیگنال های دریافتی استخراج شود از جمله این ویژگی ها می توان به مقدار ZC - MVA - RMS اشاره نمود. برای اینکه بتوان تجزیه و تحلیل کرد که کدام یک از ویژگی ها مربوط به کدام عملکرد است لذا لازم است ویژگی ها را دسته بندی کرد برای دسته بندی ویژگی ها روش های مختلفی وجود دارد . لازم توجه است که اگر تعداد نمونه ها در هر ویژگی زیاد باشد درصد خطا در دسته بندی دیتا ها نیز بالا می باشد و این امر در تفتیک سیگنال های ماهیچه های ساعد دست برای کنترل عملکرد انگشتان دست نمایانگر است. در مقالاتی که قبلا منتشر شده است برای تفتیک عملکرد های سیگنال های الگترومیوگرافی انجام شده است می توان به کلاس بندی با نمودار درختی و SVM و شبکه های عصبی اشاره نمود که هر کدام به دلیل اینکه دارای خطاهایی در کلاس بندی می باشند و یا روش هایی مورد استفاده قرار گرفته است که زمان پردازش و آنالیز را افزایش داده اند. لذا برای این که مقدار خطا در کلاس بندی دیتا ها کاهش یابد تغییراتی را در جهت و محل قرار گیری و پراکندگی و تجمع دیتا های هر عملکرد در یک منطقه از صفحه نمایش و کاهش بعد انجام می دهیم تا کلاس بندی راحتر انجام شود و درصد خطا نیز کاهش یابد. در این مقاله روشی برای جداسازی و تفکیک سیگنال های الکترومیوگرافی ماهیچه های ساعد برای کنترل حرکت انگشتان دست با ترکیب دو مدل کاهش بعد و کلاس بندی ارایه شده است. از جمله قابلیت های این روش می توان به کاهش تعداد ورودی ها, کاهش خطا در پردازش, کاهش زمان پردازش در بخش کلاس بندی, انتقال دیتا ها از سه بعد به دو بعد باافزایش ضریب تفتیک پذیری اشاره نمود. این روش در ساخت دست رباتیک با استفاده از سیگنال های الگترومیوگرافی مورداستفاده قرار گرفته است و نتایج خوبی را ارایه داده استکلیدواژه ها
کاهش بعد, تفتیک,خطا,کلاس بندیمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.