典型文献
基于气压肌动图和改进神经模糊推理系统的手势识别研究
文献摘要：
手势识别是人机交互领域的重要研究内容,为截肢患者控制智能假肢手提供基础.当前主流方法之一是利用表面肌电图(Electromyogram,EMG)识别手部运动意图,但肌电信号存在信号弱和易受噪声、汗液、疲劳影响等缺点.同时肌电图在识别准确率方面,尤其是截肢患者手势识别方面仍然具有较大的提升空间.针对这些问题,设计了基于气压肌动图(Pressure-based mechanomyogram,pMMG)的穿戴式信号采集装置,为手势识别提供了优质的信号源.结合深度神经网络中全连接层结构、典型抽样和标准正则化技术,提出了一种改进多类神经模糊推理系统(Improved multicalss neural fuzzy inference system,IMNFIS),与传统自适应神经模糊推理系统(Adaptive neural fuzzy inference system,ANFIS)相比,泛化能力得到显著提升.招募了 7名健康受试者和1名截肢受试者,并用8种算法开展离线实验.所提方法在残疾人手势识别实验中取得了 97.25％的最高平均准确率,在健康人手势识别实验中取得了 98.18％的最高平均准确率.与近年公开报道的多种手势识别研究相比,所提方法的综合性能更优.
文献关键词：
手势识别;肌动图;神经模糊推理系统;自适应学习算法
中图分类号：
作者姓名：
汪雷;黄剑;段涛;伍冬睿;熊蔡华;崔雨琦
作者机构：
华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室 武汉430074;华中科技大学机械科学与工程学院数字制造装备与技术国家重点实验室 武汉430074
文献出处：
引用格式：
[1]汪雷;黄剑;段涛;伍冬睿;熊蔡华;崔雨琦-.基于气压肌动图和改进神经模糊推理系统的手势识别研究)[J].自动化学报,2022(05):1220-1233
A类：
肌动图,Electromyogram,手部运动意图,mechanomyogram,pMMG,multicalss,IMNFIS
B类：
手势识别,人机交互,截肢,患者控制,智能假肢,手提,主流方法,表面肌电图,EMG,肌电信号,和易,汗液,识别准确率,提升空间,Pressure,穿戴式,信号采集,采集装置,信号源,深度神经网络,全连接层,正则化,Improved,neural,fuzzy,inference,system,自适应神经模糊推理系统,Adaptive,ANFIS,泛化能力,招募,健康受试者,离线,残疾人,人手,高平,平均准确率,健康人,自适应学习算法
AB值：
0.281008
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
