期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
针对个体差异的心理压力评估 被引量：5
1
作者 李昕 张云鹏 +3 位作者 李红红 陈泽涛 应立娟 吴水才 《中国生物医学工程学报》 CAS CSCD 北大核心 2014年第1期45-50,共6页
慢性心理压力会带来一系列的病理、生理风险,直接影响健康。有效地评估心理压力,一直是心理压力研究中的热点问题。在心理压力评估过程中,个体差异是影响评估效果的关键。本研究针对评估心理压力/非压力反应中个体差异问题,以表面肌电... 慢性心理压力会带来一系列的病理、生理风险,直接影响健康。有效地评估心理压力,一直是心理压力研究中的热点问题。在心理压力评估过程中,个体差异是影响评估效果的关键。本研究针对评估心理压力/非压力反应中个体差异问题,以表面肌电信号作为评估参数,以高校即将毕业的学生人群为对象,提出了一种改进的支持向量机心理压力评估算法。算法通过对样本聚类,并将聚类信息赋予支持向量机的损失函数,实现训练样本的筛选,针对筛选后出现两类样本不平衡问题,为损失函数赋予权重来降低分类器的预测倾向性,减少训练模型的误差,补偿不平衡样本数据所造成的影响。心理压力评估分类正确率由改进前的70.34%,提高到79.31%,算法运行时间由改进前的2026.5 s减少到541.3 s。结果表明,该算法可以有效地解决个体差异对于心理压力评估效果的影响,同时降低了分类器的计算复杂度,为心理压力评估中个体差异研究提供一种可行的方案。 展开更多
关键词 肌电 心理压力评估 个体差异 支持向量机 权重 myoelectrogram (EMG) SUPPORT VECTOR MACHINE (SVM)
暂未订购
基于改进概率神经网络的手势动作识别 被引量：11
2
作者 尚小晶 田彦涛 +1 位作者 李阳 王立刚 《吉林大学学报（信息科学版）》 CAS 2010年第5期459-466,共8页
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... 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。 展开更多
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
在线阅读 下载PDF
轻中度腕管综合征患者神经-肌腱滑行练习的效果 被引量：3
3
作者 雷玮 钱晓路 +2 位作者 孙晓春 李文婕 虞聪 《护理学杂志》 CSCD 2014年第12期14-17,共4页
目的探讨神经-肌腱滑行练习对轻中度腕管综合征患者的症状及手功能的影响。方法选取轻中度腕管综合征患者42例,随机分为干预组和对照组各21例。对照组仅给予健康教育和常规随访,干预组在此基础上进行神经-肌腱滑行练习。分别于干预前及... 目的探讨神经-肌腱滑行练习对轻中度腕管综合征患者的症状及手功能的影响。方法选取轻中度腕管综合征患者42例,随机分为干预组和对照组各21例。对照组仅给予健康教育和常规随访,干预组在此基础上进行神经-肌腱滑行练习。分别于干预前及干预后1个月、2个月、3个月使用中文版Boston腕管量表、肌电图仪、SF-36生活质量量表测量,并进行比较分析。结果3个月后,两组Boston腕管量表症状严重程度得分存在显著的干预、时间和交互效应(P<0.05,P<0.01);两组右手功能状况得分存在显著的干预、时间和交互效应(P<0.05,P<0.01);干预组3个月时远端动作电位潜伏期值显著低于对照组(P<0.05)。两组患者的生活质量随干预时间的延长有显著提高(均P<0.01),但两组差异无统计学意义。结论神经-肌腱滑行练习能有效改善轻中度腕管综合征患者症状及手功能。 展开更多
关键词 腕管综合征 神经-肌腱滑行练习 症状 手功能 肌电图 生活质量
暂未订购
基于BP神经网络的手势动作表面肌电信号的模式识别 被引量：17
4
作者 于擎 杨基海 +1 位作者 陈香 张旭 《生物医学工程研究》 2009年第1期6-10,共5页
手势语言在日常生活中有着广泛的应用,本研究利用手势动作时从前臂4块肌肉上获取的4路表面肌电(SEMG)信号,经特征提取并采用BP神经网络,对8种手势动作模式进行了识别。鉴于BP网络具有较强的模式分类能力,而特征提取(幅度绝对值均值、AR... 手势语言在日常生活中有着广泛的应用,本研究利用手势动作时从前臂4块肌肉上获取的4路表面肌电(SEMG)信号,经特征提取并采用BP神经网络,对8种手势动作模式进行了识别。鉴于BP网络具有较强的模式分类能力,而特征提取(幅度绝对值均值、AR模型系数、过零率)又利用了多路肌电信号的信息,实验结果取得了较高的识别正确率,表明所采用的方法是有效的。 展开更多
关键词 模式识别 手势语言 表面肌电信号 BP网络 AR模型系数 过零率
暂未订购
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部