基于改进概率神经网络的手势动作识别

J4 ›› 2010, Vol. 28 ›› Issue (05): 459-.

基于改进概率神经网络的手势动作识别

尚小晶|田彦涛|李阳|王立刚

吉林大学通信工程学院| |长春 130025

出版日期:2010-09-30 发布日期:2010-10-28
通讯作者: 田彦涛（1958— ），男，吉林四平人，吉林大学教授，博士生导师，主要从事分布式智能系统研究，（Tel）86-13844889256 (E-mail) E-mail:tianyt@jlu.edu.cn。
作者简介:尚小晶（1980— ）|女|湖北宜昌人|吉林大学硕士研究生|主要从事肌电信号的模式识别研究|(Tel)86-15948702738(E-mail) 312511605@qq.com；通讯作者：田彦涛（1958— ）|男|吉林四平人|吉林大学教授|博士生导师|主要从事分布式智能系统研究|（Tel）86-13844889256 (E-mail)tianyt@jlu.edu.cn。
基金资助:
吉林省科技发展重点基金资助项目（20090350）

Recognition of Gestures and Movements Based on MPNN

SHANG Xiao-jing|TIAN Yan-tao|LI Yang|WANG Li-gang

College of Communication Engineering, Jilin University, Changchun 130025,China

Online:2010-09-30 Published:2010-10-28

摘要/Abstract

摘要：

为寻找一种快速且高识别率的手势识别方法，提出一种基于改进的概率神经网络手势识别算法。该算法采用K-W检验方法实现sEMG（SurfaceMyoelectrogram Gestures）的特征选择，利用粒子群优化方法对传播率参数进行优化。在7种手部姿势识别的实验中，该算法平均正确识别率均在90%以上，而传统BP算法的正确率仅为85.7%。仿真实验结果表明，改进的概率神经网络算法具有更短的训练时间和更强的分类能力。

关键词: 表面肌电信号, 模式识别, 概率神经网络, K-W检验, 粒子群优化

Abstract:

In order to find a gesture recognition method with fast and high recognition rate, a gesture recognition algorithm is presented based on an improved probabilistic neural network. The improved algorithm uses K-W method to filter the most representative features of sEMG（SurfaceMyoelectrogram Gestures） features, and utilizes particle swarm optimization method to optimize the transmission rate. In the experiment of identifying seven kinds of hand gestures, the average correct recognition rates of improved probabilistic neural network are more than 90%, while the traditional BP algorithm was only 85.% correct. Simulation results show that the improved neural network algorithm has much shorter training time and stronger classification ability.

Key words: surface-myoelectrogram gcestuses（sEMG）, pattern recognition, probabilistic neural networks, K-W test, particle swarm optimization

中图分类号:

TP18

尚小晶|田彦涛|李阳|王立刚. 基于改进概率神经网络的手势动作识别[J]. J4, 2010, 28(05): 459-.

SHANG Xiao-jing|TIAN Yan-tao|LI Yang|WANG Li-gang. Recognition of Gestures and Movements Based on MPNN[J]. J4, 2010, 28(05): 459-.

[1]	姜宁 . 基于多维特征的通信网络异常数据识别算法[J]. 吉林大学学报(信息科学版), 2024, 42(5): 889-893.
[2]	苏雯, 徐鑫林, 胡宇超, 黄博涵, 周佩廷. 面向垃圾图像分类的残差语义强化网络 [J]. 吉林大学学报(信息科学版), 2023, 41(6): 1030-1040.
[3]	杨华民 , 于志 , 底晓强 , 梁钟予 , 张兴旭 . 基于学生行为数据的学生心理健康状态预测[J]. 吉林大学学报(信息科学版), 2022, 40(5): 819-828.
[4]	蔡娣 , 路阳 , 林立媛 , 杜娇娇 , 管闯. 基于稀疏自编码和 SPSO-SVM 的稻瘟病早期病害识别[J]. 吉林大学学报(信息科学版), 2022, 40(3): 416-423.
[5]	刘霞, 王鑫宇, 路敬祎, 李其浩. 基于 BAS 优化 PNN 网络的电机轴承故障诊断方法[J]. 吉林大学学报(信息科学版), 2021, 39(4): 439-444.
[6]	吴雨浩, 王从庆. 基于多路卷积神经网络的手势识别方法[J]. 吉林大学学报(信息科学版), 2021, 39(3): 303-309.
[7]	杜颖, 李宏, 刘庆强, 路敬祎, 李富. PSO-VMD-SVD 的改进去噪方法研究[J]. 吉林大学学报(信息科学版), 2021, 39(2): 142-151.
[8]	张超, 侯男, 路敬祎, 王闯. 改进的 PSO-VMD 算法及其在管道泄漏检测中的应用[J]. 吉林大学学报(信息科学版), 2021, 39(1): 28-36.
[9]	房悦, 李国齐. 延时约束下的异构通信网络稳定性控制技术[J]. 吉林大学学报(信息科学版), 2020, 38(6): 656-661.
[10]	赵航, 岳晓峰, 方博, 袁晓磊, 马国元, 郭宋吾铭. 基于PSO-GA-BP神经网络的视觉伺服控制系统[J]. 吉林大学学报(信息科学版), 2020, 38(2): 172-178.
[11]	康朝海, 王思琪, 任伟建, 王博宇. 基于高斯学习多峰延迟粒子群优化算法[J]. 吉林大学学报(信息科学版), 2019, 37(4): 399-407.
[12]	任伟建, 高梦宇, 高铭泽, 张鹏, 刘丹. 基于混合算法的点云配准方法研究[J]. 吉林大学学报(信息科学版), 2019, 37(4): 408-416.
[13]	王萌, 赵培陆, 田丽媛, 王莲, 卢革宇. 用于中药人参品类鉴别的算法研究及硬件实现[J]. 吉林大学学报(信息科学版), 2017, 35(3): 235-242.
[14]	王雪,王秋爽 . 基于混合优化算法的医学图像配准技术[J]. 吉林大学学报(信息科学版), 2016, 34(5): 703-708.
[15]	崔广才, 赵鑫焱, 左思源, 刘晓强. 基于时间序列分析的独居老人活动量研究[J]. 吉林大学学报(信息科学版), 2016, 34(3): 427-433.