文件名称:
扩展的全尺寸高斯混合模型的缺失数据分类：在基于EMG的运动识别中的应用
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-03-03
详细说明：数据丢失是模式识别技术在解决现实生活中的分类任务时需要处理的一个常见缺陷。 本文首先讨论了使用高斯混合模型（GMM）处理缺失值的高维样本时遇到的问题。 由于由于收敛性和稳定性问题，直接使用高维样本作为输入来拟合GMM非常困难，因此提出了一种通过将降维GMM扩展到全维空间来构建高维GMM的新方法。 在扩展的全维GMM的基础上，提出了边际化和条件均值插补两种方法，对在线阶段数据缺失的样本进行分类。 然后，采用提出的方法从表面肌电信号（sEMG）识别手部动作，即使缺少50％的sEMG信号，也可以获得超过75％的动作分类精度。 与正常均值和零归因的比较也证明了所提出方法的改进。 最后，通过涉及新方法设计了一种肌电手的控制方案，并且在线实验证实了所提出的方法改善实际系统的安全性和稳定性的能力。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
