基于sEMG的会话间手势识别通过域调整与局部性保护和最大边际
Yao Guo1, Jiayan Liu1, Yonglin Wu1
1School of Information Science and Technology, Fudan University, Shanghai, P. R. China.
International journal of neural systems
|February 19, 2024
概括
这项研究引入了一种新的算法,局部保护和最大边缘标准 (LPMM),以改善不同会议的表面电肌图 (sEMG) 手势识别. 通过最大限度地减少数据分配转移,LPMM提高了稳定性,从而带来了更好的用户体验.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 人与计算机的交互
背景情况:
- 基于表面电肌图 (sEMG) 的手势识别在单次会议内显示出高性能.
- 由于数据分布的转移,会话间的性能显著下降,影响用户体验.
- 需要强大的模型来缓解这些分布差异,以实现可靠的手势识别.
研究的目的:
- 开发一种新的算法,局部保护和最大边际标准 (LPMM),用于强大的会话间sEMG手势识别.
- 为了最大限度地减少不同记录会话之间的数据分布差异.
- 提高基于sEMG的手势识别系统的整体准确性和可靠性.
主要方法:
- 提出了局部保护和最大边际标准 (LPMM) 算法用于会话间的手势识别.
- 集成的域调整,以保持特征社区结构,减少类重叠.
- 采用伪标签选择和代结果选择,以防止错误标签样本的准确性损失.
主要成果:
- 在两个广泛使用的EMG数据库上对LPMM进行了评估,平均准确率为98.46%和71.64%.
- 与现有的最先进的域名适应方法相比,证明了卓越的性能.
- 成功地将数据分配转移最小化,提高了会话间识别的准确性.
结论:
- 拟议的LPMM算法有效地解决了在会话间的sEMG手势识别中数据分布转移的挑战.
- 通过确保跨会话一致的性能来改善用户体验,LPMM提供了一个强大的解决方案.
- 这种方法代表了生物医学信号处理领域适应的重大进展.
