مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,347
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

411
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوریتم ژنتیک چندهدفه و ماشین بردار پشتیبان برای کلاس بندی سیگنال های الکترو مایوگرام عضلات بازو

صفحات

 صفحه شروع 15 | صفحه پایان 24

چکیده

 سال هاست به منظور توانبخشی و ساخت اندام مصنوعی سعی محققین بر این بوده که زمان پردازش کاهش داده شود تا برای استفاده های زمان حقیقی مناسب باشد, هرچند در این زمینه تا حدودی موفق بوده اند ولی در اکثر تحقیقات قبلی مساله آشکارسازی نوع حرکت پیش از مشاهده آن مورد توجه نبوده است. نشان داده شده به کمک روش های بهینه سازی چند هدفه, می توان از تقابل بین اهداف مختلف منجر به جوابی شد که در حقیقت مصالحه ای بین اهداف مختلف است همچنین از مزایای این روش نسبت به روش های تک هدفه می توان به شناسایی تعداد بیشتر راه حل ها, قابلیت اضافه کردن قوانین مختلف در آینده و واقعی تر بودن مدل های ارائه شده در این مسائل اشاره نمود.هدف کلی این پژوهش, ارائه راهکاری مناسب جهت تشخیص بلادرنگ نوع حرکت مورد اراده فرد در عضلات بازو مبتنی بر پردازش سیگنال های الکترو مایوگرام سطحی برای کنترل یک ساعد سایبرنتیکی با استفاده از ویژگیهای مناسب زمان- فرکانسی است که توسط الگوریتم ژنتیک چندهدفه NSGA-II گزینش می شود, همچنین استفاده از ماشین بردار پشتیان به عنوان طبقه بندی کننده به منظور آشکارسازی زمان حقیقی نوع حرکت به کار گرفته شده است.نتایج حاصل از پردازش 100 نمونه داده ثبت شده از عضلات بازو 5 سوژه سالم نشان می دهد که می توان با استفاده از روش پیشنهادی, با طول پنجره بهینه256mS  و با صحت بالای %98.43, فرآیند شناسایی حرکت ساعد دست را در سه حالت مختلف تشخیص و مورد استفاده قرار داد. بنابراین می توان ادعا کرد که استفاده از این روش, منجر به دستیابی به خطای بهینه سازی کمتر و همچنین سرعت همگرایی کمتری نسبت به روش های قبلی می شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    زنده باد، سیدعلی، حقی پور، سیامک، کبروی، حمیدرضا، و زنده باد، سیدامیر. (1395). بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوریتم ژنتیک چندهدفه و ماشین بردار پشتیبان برای کلاس بندی سیگنال های الکترو مایوگرام عضلات بازو. شباک، 2(6 (پیاپی 13) (جلد 2 مطالعات علوم مهندسی))، 15-24. SID. https://sid.ir/paper/497205/fa

    Vancouver: کپی

    زنده باد سیدعلی، حقی پور سیامک، کبروی حمیدرضا، زنده باد سیدامیر. بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوریتم ژنتیک چندهدفه و ماشین بردار پشتیبان برای کلاس بندی سیگنال های الکترو مایوگرام عضلات بازو. شباک[Internet]. 1395؛2(6 (پیاپی 13) (جلد 2 مطالعات علوم مهندسی)):15-24. Available from: https://sid.ir/paper/497205/fa

    IEEE: کپی

    سیدعلی زنده باد، سیامک حقی پور، حمیدرضا کبروی، و سیدامیر زنده باد، “بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوریتم ژنتیک چندهدفه و ماشین بردار پشتیبان برای کلاس بندی سیگنال های الکترو مایوگرام عضلات بازو،” شباک، vol. 2، no. 6 (پیاپی 13) (جلد 2 مطالعات علوم مهندسی)، pp. 15–24، 1395، [Online]. Available: https://sid.ir/paper/497205/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button