面向医疗物联网中手势识别的特征选择
计算机视觉与模式识别
2020-09-01 v1 机器学习
信号处理
摘要
物联网正迅速渗透至包括医疗在内的多个领域，由此引发了有关通信能力、能效及传感器无侵扰性等重要问题。特别是在手势识别（例如抓取不同物体）的情境中，脑活动与肌肉活动可分别通过 EEG 与 EMG 同步记录，并用于分析以辨识正在完成的手势及其执行质量。本文提出一种新算法，旨在（i）稳健提取用于分类不同抓取任务的最相关特征，以及（ii）保留所选特征的自然含义。这进而为简化记录设置、最小化包括互联网在内的通信网络中的数据流量，并提供具生理学意义的特征以供医学解读创造了条件。该算法的稳健性通过以共识聚类作为特征选择策略，以及采用嵌套交叉验证方案评估其分类性能来共同保障。
引用
@article{arxiv.2005.11031,
title = {Feature selection for gesture recognition in Internet-of-Things for healthcare},
author = {Giulia Cisotto and Martina Capuzzo and Anna V. Guglielmi and Andrea Zanella},
journal= {arXiv preprint arXiv:2005.11031},
year = {2020}
}