基于表面肌电的手势识别中域散度度量与自适应方法
机器学习
2019-12-21 v1 计算机视觉与模式识别
机器学习
摘要
我们提出一种新的度量来衡量域散度，以及一种用于时间序列分类的新域自适应方法。该度量属于基于概率分布的度量类，是转导式的，且不假设存在源数据样本。该两阶段方法利用一种改进的、基于 RNN 的自回归深度/非线性变换架构。我们在会话间与受试者间的域偏移下，基于 sEMG/EMG 手势识别的背景评估了我们的度量与模型的性能。
引用
@article{arxiv.1912.08914,
title = {On the Metrics and Adaptation Methods for Domain Divergences of sEMG-based Gesture Recognition},
author = {István Ketykó and Ferenc Kovács},
journal= {arXiv preprint arXiv:1912.08914},
year = {2019}
}