基于LDA与QDA的自增强分类器在肌电模式识别中的应用  

A Self-Enhancing Classifier Based on LDA and QDA for Application on EMG Pattern Recognition

作　　者：李娜[1,2] 刘军[1,2] 夏干夫 胡浩[1] 宋玉峰[1] 

机构地区：[1]武汉工程大学计算机科学与工程学院,湖北武汉430205 [2]武汉工程大学智能机器人湖北省重点实验室,湖北武汉430205

出　　处：《湖北工程学院学报》2015年第3期21-25,共5页Journal of Hubei Engineering University

基　　金：湖北省教育厅青年人才项目(Q20111504);武汉工程大学科学研究基金项目(12116021);武汉工程大学研究生教育创新基金项目(CX201274)

摘　　要：为使分类器适应肌电模式识别中肌电信号的时变性,提出了一种新的具有自适应能力的自增强分类方法,该方法在传统的静态分类器(LDA分类器和QDA分类器)的基础上,引入了一个新的参数更新算法,通过更新方差矩阵和均值向量实现参数求解,使其能在测试阶段对分类器参数进行动态更新。实验结果表明,该方法不仅降低了计算复杂度,而且显著提高了分类器的识别性能。In order to adapt to the time‐varying characteristics of EMG signals in pattern classification , a novel adaptive self‐enhancing classification method is proposed .Based on the traditional static classi‐fiers （LDA and QDA ） ,this proposed method introduces a new computing method for updating the pa‐rameters of the covariance matrix and the mean vector ,w hich can be used to update the parameters during testing stage .Experimental results reveal that the proposed method can significantly reduce the computational complexity and improve the classification performance .

关 键 词：肌电信号 LDA分类器 自增强分类器 

分 类 号：TN911.7[电子电信—通信与信息系统]