文献

J-GLOBAL ID：202002248733392222   整理番号：20A2500708

特徴選択法に及ぼす異なる日からのEMGデータの影響【JST・京大機械翻訳】

Influence of EMG Data from Different Days on Feature Selection Methods

著者 (2件)： Zhang Anyuan (Changchun University of Science and Technology,School of Computer Science and Technology,Changchun,China,130022) ,  Li Qi (Changchun University of Science and Technology,School of Computer Science and Technology,Changchun,China,130022)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICMA  ページ： 1437-1442  発行年： 2020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： 特徴選択は,筋電図(EMG)特徴ベクトルの次元を効果的に減少できる方法である。以前の研究は,同じ日に特徴選択法の性能にのみ集中した。しかし,異なる日からのEMGデータの分布は異なる。そして,特徴選択に対する異なる日のEMGデータの影響に焦点を当てた研究はほとんどない。主に,本研究では,異なる日のEMGデータが特徴選択法に及ぼす影響を論じた。本研究では,3つの特徴選択法(ノン特徴選択(NFS),逐次フォワード選択(SFS)および粒子交換最適化(PSO))を採用した。6人の被験者は11上肢運動を行い,EMG信号を連続5日間採取した。最初に,特徴選択のために最初の日からのデータを使用した。特徴選択の後,サポートベクトルマシン(SVM)を訓練するために特徴選択後にEMG特徴ベクトルを使用した。残りの4日のEMGデータで最初の日と同じ特徴選択を行った。次に,最初の日に訓練されたSVMを用いて,各4日のEMGデータを分類した。最後に,異なる日における3つの異なる特徴選択法の下でSVMの性能を論じた。結果は,異なる日からのEMGデータが特徴選択法(p=0.218)にわずかな影響を有することを示した。PSOによるSVMは,NFS(p<0.05)およびSFS(p<0.05)と比較して,より短い時間消費を持った。PSO特徴選択法は,異なる日の下でEMGパターン認識のリアルタイム性能を改良するためにより好適であった。Copyright 2020 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： 最適化 ,  パターン認識 ,  *特徴選択 ,  筋電図 ,  サポートベクトルマシン
準シソーラス用語： 被験者 ,  特徴ベクトル ,  上肢運動 ,  フォワードセレクション , 【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 (2件)： 特徴選択 ,  EMG