文献

J-GLOBAL ID：201702275958480634   整理番号：17A0115410

主成分分析と人工ニューラルネットワークに基づく手EMG信号の分類法【Powered by NICT】

A classification method of hand EMG signals based on principal component analysis and artificial neural network

著者 (5件)： Caesarendra Wahyu (Mechanical Engineering Department, Faculty of Engineering, Diponegoro University, Semarang, Indonesia) ,  Lekson Syahara U (Mechanical Engineering Department, Faculty of Engineering, Diponegoro University, Semarang, Indonesia) ,  Mustaqim Khusnul A (Mechanical Engineering Department, Faculty of Engineering, Diponegoro University, Semarang, Indonesia) ,  Winoto Andri R (Department of Orthopaedic and Traumatology, School of Medicine, Diponegoro University, Semarang 50275, Indonesia) ,  Widyotriatmo Augie (Instrumentation and Control Research Group, Faculty of Industrial Technology, Institute Technology of Bandung, Bandung, Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICA  ページ： 22-27  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 八手の動きからの筋電図(EMG)信号の多クラス分類のための分類法を提案した。データは,15人の被験者から採取した。EMGシグナルは16時間領域特徴抽出法を用いて抽出した。十六の特徴は分類精度を向上するために主成分分析(PCA)を用いて低減した。PCAからの特徴の結果は,人工ニューラルネットワーク(ANN)を用いて分類した。ANNを用いて分類は85.7%の精度と81.2%の精度をもたらす。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  特徴抽出 ,  筋電図 ,  *主成分分析
準シソーラス用語： 分類精度 ,  時間領域 ,  被験者 ,  多クラス分類 ,  *分類法 , 【Automatic Indexing@JST】

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 主成分分析 ,  人工ニューラルネットワーク ,  手 ,  EMG ,  分類法