专家组合 基于树的额外sEMG手势识别专家组合
Naveen Gehlot1,2, Ashutosh Jena3, Rajesh Kumar3,4
1Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, India. naveen.gehlot@manipal.edu.
Scientific reports
|March 2, 2026
概括
一个新的专家混合额外树分类器改进了人类手的手势识别使用表面电肌学. 这种方法有效地处理过拟合和偏差,提高机器人手控的准确性.
科学领域:
- 机器人技术和机器学习
- 生物医学工程 生物医学工程
- 人与计算机的交互
背景情况:
- 表面电肌图 (sEMG) 是一种用于人类手势识别的非侵入性技术,对于机器人手控制至关重要.
- 在使用sEMG数据开发用于多姿势识别的通用分类器时,过度装配和偏差是重大挑战.
- 现有的方法往往难以在各种手势和主题中实现高精度和稳定性.
研究的目的:
- 引入和评估一个专家组合额外树 (MEET) 分类器,用于使用sEMG增强人类手势识别.
- 解决多姿势分类中过度配合和偏差的常见问题.
- 将MEET分类器的性能与其他11个模型进行比较.
主要方法:
- 专家混合额外树分类器的开发,利用个别的额外树模型作为专家和一个门的额外树模型.
- 从四个实验对象收集sEMG数据,他们执行六种不同的手势.
- 在收集的数据集和公开可用的数据集上对MEET分类器的评估,其中包括15个手势类.
主要成果:
- 与其他11个评估算法相比,MEET分类器表现出优异的性能.
- 在收集的数据中,MEET分类器的准确率在四个受试者中分别为86.8%,89.2%,87.9%和78.4%.
- 在公开数据集上,MEET分类器实现了1.25%的改进平均准确性.
结论:
- 专家混合额外树分类器是非常有效的精确的人手手势识别从sEMG信号.
- 该模型为克服基于sEMG的手势分类中的过拟合和偏差提供了一个强大的解决方案.
- MEET分类器显示了推进机器人手控和人机交互系统的巨大潜力.
