文献

J-GLOBAL ID：201702235094663928   整理番号：17A1396774

ロバスト主成分分析を用いた前腕制御戦略のための最適筋電特徴指標の探索【Powered by NICT】

Exploring optimal myoelectric feature indices for forearm control strategy using robust principal component analysis

著者 (3件)： Kanoga Suguru (Artificial Intelligence Research Center, The National Institute of Advanced Industrial Science and Technology (AIST) Tokyo, Japan) ,  Murai Akihiko (Digital Human Research Group, AIST, Tokyo, Japan) ,  Tada Mitsunori (Digital Human Research Group, AIST, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 1796-1799  発行年： 2017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： 前腕運動は日常生活に必要な種々の機能を実現した。運動配列の再現のためには,活性筋電装置が開発されている。通常,特徴量を制御戦略において観測された信号から抽出した;が,の指標最適組合せはまだ不明である。最適筋電特徴量を調べるために主成分分析(PCA)におけるスパース性誘起(sparsity-inducingペナルティ項を紹介した。30人の被験者から七前腕運動を含む筋電図データベースを性能比較のために用いた。スパース特徴を持つ線形分類器は元のデータにおける低ランク行列を回収するために全ての特徴をもつ線形分類器よりも有意に良好であったが最良の性能(7.86±3.82%誤り率)を示した。さらに,スパース特徴はPCAよりも少ない主成分の基本的なデータ構造の大きな寄与を持っていた。二乗平均,時間領域特徴,自己回帰係数,ヒストグラムは投影された特徴空間に重要であることを意図,特徴指標である筋電戦略に重要である。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： *前腕 ,  誤り率 ,  ヒストグラム ,  透視図法 ,  *ロバスト性 ,  データ構造 ,  筋電図 ,  線形性 ,  *主成分分析 ,  データベース
準シソーラス用語： 性能比較 ,  被験者 ,  スパース性 ,  特徴量 ,  *筋電信号 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  計測機器一般  (AD02000X)

タイトルに関連する用語 (7件)： ロバスト ,  主成分分析 ,  前腕 ,  制御戦略 ,  筋電 ,  指標 ,  探索