基于 GGA-Elman 网络的头部体态语言 sEMG识别-论文.pdf

《基于 GGA-Elman 网络的头部体态语言 sEMG识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第9卷第4期智能系统学报Vo1．9No．42014年8月CAAITransactionsOfIntellizentSystemsAgu．2014DOI：10．3969／j．issn．1673-4785．201310047网络出版地址：http：／／www．cnki．net／kcms／doi／10．3969／j．issn．1673—4785．201310047．html基于GGA—Elman网络的头部体态语言sEMG识别杨钟亮，陈育苗(1．东华大学机械工程学院，上海201620；2．东华大学服装·艺术设计学院，上海200051)摘要：为提高头部体态语言表达“同意”与“不同意”态

2、度的识别效果，提出结合贪心遗传算法和Elman神经网络的表面肌电识别方法。通过前导实验分别采集8名被试者点头与摇头时颈部肌肉的表面肌电信号，利用Wilcoxon秩和检验提取具有显著性差异的10个肌电时域特征值，进而基于贪心遗传算法优化的Elman神经网络建立体态语言识别模型。实验结果表明，该模型能成功识别自发表达“同意”与“不同意”的头部体态语言，与标准Elman神经网络和BP神经网络的识别模型相比，相关系数更高、均方误差更小，对测试集的正确识别率提高了3．2％以上，从而验证了该方法的可靠性。关键词：头部运动；体态语言；肌电；肌肉；时域分析；神经网络；遗传算法；模式识别中图分

3、类号：TP391文献标志码：A文章编号：1673—4785(2014)04—385—07中文引用格式：杨钟亮，陈育苗．基于GGA-Eiman网络的头部体态语言sEMG识别[J]．智能系统学报，2014。9(4)：385-391．英文引用格式：YANGZhon#iang。CHENYumiao．AnsEMGapproachtorecognizethebodylanguageoftheheadbasedontheGGA·Elmannetwork[J]．CAAITransactionsonIntelligentSystems，2014。9(4)：385-391．AnsEMGappro

4、achtorecognizethebodylanguageoftheheadbasedontheGGA．ElmannetworkYANGZhongliang，CHENYumiao(1．CollegeofMechanicalEngineering，DonghuaUniversity，Shanghai201620，China；2．Fashion·ArtDesignInstitute，DonghuaU—niversity，Shanghai200051，China)Abstract：Inordertoimprovetherecognitioneffectsofthe”agreemen

5、t”and”disagreement”attitudesexpressedbythebodylanguageoftheheadmovements，asurfaceelectromyography(sEMG)approachincombinationwiththegreedygeneticalgorithm(GGA)andtheElmanneuralnetworkisproposed．ThesEMGsignalsoftheneckmusclesweredetectedwhileeightparticipantswerenoddingandshakingtheirheadsres

6、pectivelyduringapilotexperiment．BymeansoftheWilcoxon’Ssigned—ranktest，tenfeaturesofthesEMGtimedomainindiceswereextractedwithsignificantdifferences．Furthermore，thebodylanguagerecognitionmodelwasconstructedbasedontheElmannet·workoptimizedbyGGA．Experimentalresultsshowthatthemodelcansuccessfull

7、yrecognizethe’’agreementanddisagreement”attitudesspontaneouslyexpressedbythedifferentbodylanguagesofthehead．ComparedwiththerecognitionmodelsusingthestandardElmanandBPnetwork，thecorrelationcoeficientofthispresentmodelishigher，themeansquarederrorisless，and