应用于 myoelectric 信号的单类分类器集成与动态 naive Bayes 分类器级联，结合受污染通道检测
信号处理
2025-03-19 v1 机器学习
摘要
现代上肢生物义体通常通过 sEMG 信号实现控制，采用模式识别方案进行控制过程中的信号处理。不幸的是，sEMG 信号容易受到污染，这会恶化控制系统的质量，降低义体在患者日常生活中的实用性。在论文中，作者提出了一种新的识别系统，用于 sEMG 信号控制手臂义体，并检测受污染的 sEMG 信号。本文提出的解决方案的独特性在于两种识别系统协同工作于级联结构中：(1) 用于识别受污染信号的单类分类器集成，(2) 基于集成产生的污染信息的 naive Bayes 分类器(NBC)，用于识别患者的意图。尽管在所提出的方法中，NBC 模型是动态变化的，由于分类函数的乘法形式，训练可以采用 one-shot procedure 进行。实验使用真实 sEMG 信号进行。所得结果确认了使用单类分类器集成和动态 NBC 模型 leads to improved classification quality 的假设。
引用
@article{arxiv.2503.13490,
title = {Cascade of one-class classifier ensemble and dynamic naive Bayes classifier applied to the myoelectric-based upper limb prosthesis control with contaminated channels detection},
author = {Pawel Trajdos and Marek Kurzynski},
journal= {arXiv preprint arXiv:2503.13490},
year = {2025}
}