نقش کرنلهای مختلف دردسته بندی سیگنالهای EMG سطحی به منظور آشکارسازی خستگی عضلانی با استفاده از SVM
Publish place: 2nd National Conference Computer and Electrical and IT
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,514
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCIEEE02_047
تاریخ نمایه سازی: 21 تیر 1391
Abstract:
خستگی پدیده چندبعدی و ذهنی است بنابراین تعیین سطوح مختلف و کمی سازی درک فردی از آن امری ضروری می باشد هدف از این مقاله بررسی تاثیر کرنلهای مختلف برصحت دسته بندی سیگنال EMG به دوکلاس خسته و غیرخسته می باشد برای این منظور سیگنالهایEMG سطحی از عضلات استرنوکلید و ماستوئید حین تست استقامت فلکشن گردن ثبت شده اند سپس شش ویژگی درحوزه زمان فرکانس و زمان - مقیاس از آنها استخراج گشته است بردار ویژگیها پس از تخمین و کاهش بعد به منظور دسته بندی به SVM خطی SVM با کرنل چندجمله ای RBF MLP داده شده است نتایج نشان داده اند که بهترین درصد صحت به ازای کرنل RBF91/16% بدست می آید.
Keywords:
الکترومایوگرام سطحی - خستگی عضلانی - دسته بندی - کرنل - ماشین بردارپشتیبان
Authors
فریبا بیوکی
دانشجوی کارشناسی ارشد مهندسی پزشکی بیوالکتریک
سعید راحتی
استادیار دانشگاه آزاد مشهد
رضا بوستانی
استادیار دانشگاه علوم پزشکی مشهد
علی شعیبی
استادیار دانشگاه علوم پزشکی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :