论文部分内容阅读
为提高智能仿生手姿态手势识别正确率,本文提出一种改进Kohonen自组织竞争网络。针对表面肌电信号（s EMG）特性,对Kohonen网络结构进行调整,增加输出层将其变为有监督学习网络,并优化初始权值。选择具有较高分类能力的特征值AR模型系数作为改进Kohonen网络的输入,识别伸食指、伸腕、屈腕、OK手势、数字8手势、侧腕、胜利手势和反掌8种姿态模式。实验表明,与传统Kohonen网络相比,改进的神经网络分类器具有更高的分类能力。