论文部分内容阅读
为提高人体手部动作识别率,利用搜寻者优化算法(SOA)的全局搜索最优解原理和极限学习机(ELM)处理非线性关系的能力,提出一种基于搜寻者优化算法优化极限学习机(SOA-ELM)的手部动作识别方法。首先,采集内翻、外翻、握拳、展拳等4种手部动作的表面肌电信号,提取4种表面肌电信号的积分肌电值和均方根值,将其作为特征值;然后,利用这些特征值对ELM进行训练,采用SOA搜寻ELM的最优输入层权值和隐含层节点阈值;最后,采用经SOA优化的ELM对4种手部动作进行识别。实验结果表明,SOA-ELM比粒子群优化