نقش کرنلهای مختلف دردسته بندی سیگنالهای EMG سطحی به منظور آشکارسازی خستگی عضلانی با استفاده از SVM

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,494

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CCIEEE02_047

تاریخ نمایه سازی: 21 تیر 1391

چکیده مقاله:

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.

کلیدواژه ها:

الکترومایوگرام سطحی - خستگی عضلانی - دسته بندی - کرنل - ماشین بردارپشتیبان

نویسندگان

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 مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • _ _ _ Neurophys iology, vol. 119, pp. 2-10, 2008. ...
  • S. Karlsson, J. Yu, and M. Akay, "Enhancement of Spectral ...
  • GI. M, R. C. I, M. G. F, M. A, ...
  • M. Cifrek, V. Medved, S. Tonkovic, and S. Ostojic, "Surface ...
  • F. Al-Mulla, "Statistical Clas Separation using sEMG Features Towards Automated ...
  • Iranian Journal of Medical Physics, vol. 3, pp. 31-40, 2011. ...
  • نمایش کامل مراجع