ВЫБОР СТРУКТУРЫ И ГИПЕРПАРАМЕТРОВ SVM ДЛЯ ЭФФЕКТИВНОГО РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ СИГНАЛОВ ЭЛЕКТРОМИОГРАФИИ

  • Andrej Vitalevich Semendarov  МИРЭА - Российский технологический университет
Ключевые слова: сигнал электромиографии (ЭМГ), алгоритмы классификации, метод опорных векторов (SVM), предобработка и нормализация данных, гиперпараметры SVM, ядра SVM

Аннотация

Метод опорных векторов (SVM) – это широко используемый метод машинного обучения для задачи классификации сигналов электромиографии. Целью данной работы является поиск эффективных алгоритмов классификации таких сигналов при минимальных затратах на оборудов

Статистика

Загрузка метрик ...

Литература

Guo W. et al. Toward an enhanced human–machine interface for upper-limb prosthesis control with combined EMG and NIRS signals //IEEE Transactions on Human-Machine Systems. – 2017. – Т. 47. – №. 4. – С. 564-575.

Fang Y. et al. A multichannel surface EMG system for hand motion recognition //International Journal of Humanoid Robotics. – 2015. – Т. 12. – №. 02. – С. 1550011.

Quitadamo L. R. et al. Support vector machines to detect physiological patterns for EEG and EMG-based human–computer interaction: a review //Journal of neural engineering. – 2017. – Т. 14. – №. 1. – С. 011001.

Лукьянчиков А. И. и др. Алгоритмы классификации одноканального ЭМГ-сигнала для человеко-компьютерного взаимодействия //Cloud of science. – 2018. – Т. 5. – №. 2.

Sharma S., Kumar G. Wavelet analysis based feature extraction for pattern classification from single channel acquired EMG signal //Elixir Online Journal. – 2012. – Т. 50. – С. 0320-1.

Bergstra J., Bengio Y. Random search for hyper-parameter optimization //Journal of Machine Learning Research. – 2012. – Т. 13. – №. Feb. – С. 281-305.

References:

Guo, W., Sheng, X., Liu, H. and Zhu, X., 2017. Toward an enhanced human–machine interface for upper-limb prosthesis control with combined EMG and NIRS signals. IEEE Transactions on Human-Machine Systems, 47(4), pp.564-575;

Fang, Y., Liu, H., Li, G. and Zhu, X., 2015. A multichannel surface EMG system for hand motion recognition. International Journal of Humanoid Robotics, 12(02), p.1550011;

Quitadamo, L.R., Cavrini, F., Sbernini, L., Riillo, F., Bianchi, L., Seri, S. and Saggio, G., 2017. Support vector machines to detect physiological patterns for EEG and EMG-based human–computer interaction: a review. Journal of neural engineering, 14(1), p.011001;

Lukyanchikov, A., Melnikov, A. and Lukyanchikov, O., 2018. Algorithms for classification of a single channel EMG signal for human-computer interaction. In ITM Web of Conferences (Vol. 18, p. 02001). EDP Sciences;

Sharma, S. and Kumar, G., 2012. Wavelet analysis based feature extraction for pattern classification from single channel acquired EMG signal. Elixir Online Journal, 50, pp.0320-1;

Bergstra, J. and Bengio, Y., 2012. Random search for hyper-parameter optimization. Journal of Machine Learning Research, 13(Feb), pp.281-305.

Опубликован
2019-06-30
Как цитировать
Semendarov, A. V. (2019). ВЫБОР СТРУКТУРЫ И ГИПЕРПАРАМЕТРОВ SVM ДЛЯ ЭФФЕКТИВНОГО РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ СИГНАЛОВ ЭЛЕКТРОМИОГРАФИИ. Научный взгляд в будущее, 1(14-01), 23-33. https://doi.org/10.30888/2415-7538.2019-14-01-010
Раздел
Статьи