首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业和信息化部
  • 主办:南京航空航天大学
  •           全国高校机械工程测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
采用鱼群算法进化极限学习机的假肢步态识别
Locomotion-Mode Recognition Based on Fish Swarm Algorithm and Extreme Learning Machine
  
DOI:10.16450/j.cnki.issn.1004-6801.2019.06.012
中文关键词:  表面肌电信号  极限学习机  鱼群算法  步态识别  智能假肢
英文关键词:Surface electromyography(sEMG)  extreme learning machine(ELM)  fish swarm algorithm(FA)  locomotion-mode recognition  intelligent prosthesis
基金项目:国家自然科学基金资助项目(61773151,61703135);河南省高等学校重点科研资助项目(18A413014);郑州轻工业大学博士基金资助项目(0314-13501050006);郑州轻工业大学校级青年骨干教师资助项目(0314-13502010001)
作者单位
刘磊1,2,陈增强2,杨鹏3,刘作军3 (1. 郑州轻工业大学建筑环境工程学院 郑州450002)(2. 南开大学人工智能学院 天津300350)(3. 河北工业大学人工智能与数据科学学院 天津300130) 
摘要点击次数: 54
全文下载次数: 50
中文摘要:
      为提高下肢假肢步态识别的准确性,提出一种基于鱼群(fish swarm ,简称FA)算法优化极限学习机(extreme learning machine,简称 ELM)的模式识别方法。首先,提取张量投影特征,分析了特征值选取的合理性;其次,采用主成分分析法降维;最后,利用鱼群算法进化极限学习机分类识别平地行走、上楼、下楼、上坡及下坡5种步态,识别准确率达到 97.45%。通过实验比较了该算法与极限学习机等分类器在假肢步态分类上的识别准确率与识别时间,结果表明,FA-ELM方法识别准确率优于其他方法。
英文摘要:
      In light of the accuracy and timeliness of locomotion-mode recognition of intelligent prosthesis, a pattern recognition method based on the fish swarm (FA) algorithm is proposed to optimize the extreme learning machine (ELM). First, the features of tensor projection are extracted, and the rationality of the selection of features is analyzed. Then, principal component analysis is used to reduce the dimension. Finally, treads of walking on-ground, upstairs, downstairs, uphill, and downhill are recognized using the learning machine of FA-ELM. The recognition accuracy is 97.45%. The comparison with ELM and other classifiers shows that FA-ELM recognizes more accurately.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第1954315位访问者 本站今日一共被访问42

技术支持:北京勤云科技发展有限公司