基于机器学习的物体抓握动作自动分类
神经元与认知
2018-04-13 v1 人机交互
摘要
脑机接口是为残疾人提供辅助的当前研究领域。为应对 BCI 应用日益增长的需求，本文提出一种利用脑电图（EEG）数据对物体抓握动作进行自动分类的方案。所提方法侧重于利用记录的 EEG 模式研究对物体正确与错误抓握响应的分类。该方法始于数据预处理，随后以离散小波变换（DWT）和熵测度形式从 epoch 数据中提取相关特征。计算特征向量后，使用人工神经网络分类器将模式分类为对不同物体的正确与错误抓握。所提方法在真实数据集上测试，该数据集包含 14 人的 EEG 记录。结果表明所提方法有效，并可能有助于开发多种基于 BCI 的设备以控制手部运动。
引用
@article{arxiv.1804.04538,
title = {Automated Classification of Hand-grip action on Objects using Machine Learning},
author = {Anju Mishra and Shanu Sharma and Sanjay Kumar and Priya Ranjan and Amit Ujlayan},
journal= {arXiv preprint arXiv:1804.04538},
year = {2018}
}
备注
This is a report on an ongoing project