文献

J-GLOBAL ID：201902214715130916   整理番号：19A0303735

線形回帰分類器を用いた筋電制御システムのロバスト性の改善【JST・京大機械翻訳】

Improving the Robustness of Myoelectric Control System Using Linear Regression Classifier

著者 (7件)： Geng Yanjuan (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, GD, 518055, China) ,  Sun Tianbao (Guangdong Provincial Work Injury Rehabilitation Center, Guangzhou, China) ,  Samuel Oluwarotimi Williams (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, GD, 518055, China) ,  Chen Shixiong (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, GD, 518055, China) ,  Xing Xuyan (Hebei University of Technology, Tianjin, 300130, China) ,  Guo Xin (Hebei University of Technology, Tianjin, 300130, China) ,  Li Guanglin (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen, GD, 518055, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CBS  ページ： 483-488  発行年： 2018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： 筋電図に基づくパターン認識(EMG-PR)アプローチの応用において,特徴抽出と電極構成のようなEMG記述法に対するEMG-PR制御システムの安定性とロバスト性はほとんど研究されていない。本研究では,ロバストで安定で正確なEMG-PRシステムの開発を目的として,新しいパターン認識法,線形回帰分類器(LRC)を提案した。12のTBI患者の間の結果は,提案したLRC方式が,一般的に使用されるLDAとKNNと比較して,有意に高い平均分類精度(56の単極電極を使用するときに達成された)を達成したことを示した。さらに,LRC方式は,特徴集合の選択に対してロバストであり,特にTDおよびTDAR特徴集合を用いたとき,電極構成に対してロバストであった。これらの結果は,LRCの比較優位性を示唆する。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *制御系 ,  *ロバスト性 ,  特徴抽出 ,  筋電図 ,  パターン認識
準シソーラス用語： 分類精度 ,  *筋電信号 ,  *線形回帰 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 線形回帰 ,  分類器 ,  筋電 ,  制御システム ,  ロバスト性