MEET：基于混合专家额外树的表面肌电信号手势识别
信号处理
2024-05-17 v1 机器学习
摘要
人工智能（AI）近年来取得了显著进展，为生物医学、机器人、教育、工业等各个领域的应用探索开辟了新的可能性。在这些领域中，人类手势识别是一个最近成为研究兴趣的课题，涉及使用肌电图（EMG）进行机器人手部控制。表面肌电图（sEMG）是EMG中使用的主要技术，因其非侵入性而受欢迎，并用于通过放置在前臂表面的信号采集设备捕获手势运动。此外，这些信号经过预处理，通过时域和频域分析提取重要的手工特征。这些特征有助于作为机器学习（ML）模型的输入来识别手势。然而，处理多类别和偏差是影响ML模型性能的主要限制。因此，为了解决这个问题，提出了一种新的混合专家额外树（MEET）模型来更准确有效地识别手势运动。该模型结合了称为专家的个体ML模型，每个专家专注于两个最小类别。此外，使用一个完全训练的模型（称为门）来加权各个专家模型的输出。这种专家模型与门模型的结合称为混合专家额外树（MEET）模型。在本研究中，考虑了四个受试者的六种手势运动，并在包括MEET分类器在内的十一个模型中评估了它们的识别效果。结果表明，MEET分类器在其他算法中表现最佳，并准确识别了手势运动。
引用
@article{arxiv.2405.09562,
title = {MEET: Mixture of Experts Extra Tree-Based sEMG Hand Gesture Identification},
author = {Naveen Gehlot and Ashutosh Jena and Rajesh Kumar and Mahipal Bukya},
journal= {arXiv preprint arXiv:2405.09562},
year = {2024}
}