支持向量机在表面肌电信号模式分类中的应用

来源期刊：东北大学学报(自然科学版)2006年第3期

论文作者：崔建国 王旭 李忠海 张大千

文章页码：280 - 283

关键词：表面肌电信号;小波变换;支持向量机;模式分类;

摘    要：采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.