بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوریتم ژنتیک چندهدفه وماشین بردار پشتیبان برای کلاس بندی سیگنال های الکترو مایوگرام عضلات بازو
محل انتشار: کنفرانس بین المللی پژوهش های نوین در علوم مهندسی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 605
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RKES01_022
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
سالهاست به منظور توانبخشی و ساخت اندام مصنوعی سعی محققین براین بوده که زمان پردازش کاهش داده شود تابرای استفاده های زمان حقیقی مناسب باشد هرچند دراین زمینه تاحدودی موفق بوده اند ولی دراکثرتحقیقات قبلی مساله اشکارسازی نوع حرکت پیش ازامشاهده آن موردتوجه نبودها ست نشان داده شده که به کمک روشهای بهینه سازی چندهدفه میتوان ازتقابل بین اهداف مختلف منجر به جوابی شد که درحقیقت مصالحه ای بین اهداف مختلف است همچنین ازمزایای این روش نسبت به روشهای تک هدفه میتوان به شناسایی تعدادبیشتر راه حل ها قابلیت اضافه کردن قوانین مختلف دراینده و واقعی تر بودن مدلهای ارایه شده دراین مسائل اشاره نمود هدف کلی این پژوهش ارایه راهکاری مناسب جهت تشخیص بلادرنگ نوع حرکت مورداراده فرد درعضلات بازو مبتنی برپردازش سیگنالهای الکترومایوگرام سطحی برای کنترل یک ساعدسایبرنتیکی بااستفاده ازویژگیهای مناسب زمان فرکانسی است که توسط الگوریتم ژنتیک چندهدفه NSGA-II گزینش میشود همچنین استفاده ازماشین بردارپشتیبان به عنوان طبقه بندی کننده به منظور اشکارسازی زمان حقیقی نوع حرکت به کارگرفته شده است
کلیدواژه ها:
نویسندگان
سیدعلی زنده باد
کارشناس ارشد مهندسی پزشکی گرایش بیوالکتریک/ گروه مهندسی پزشکی دانشگاه آزاد اسلامی واحد تبریز
سیامک حقی پور
دکتری مهندسی پزشکی و استادیار دانشگاه/ گروه مهندسی پزشکی دانشگاه آزاد اسلامی واحد تبریز
حمیدرضا کبروی
دکتری مهندسی پزشکی و عضو هیئت علمی دانشگاه/ گروه مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد
سیدامیر زنده باد
دانشجوی دکتری مخابرات/گروه مهندسی دانشگاه آزاد اسلامی واحد تهران مرکز
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 :