抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】