Resumen

El reconocimiento de gestos basado en la electromiografía de superficie (sEMG) se utiliza ampliamente en el entrenamiento para la rehabilitación, las prótesis artificiales y la interacción persona-ordenador. El objetivo de este estudio es simplificar los dispositivos sEMG reduciendo los canales y consiguiendo al mismo tiempo una precisión de reconocimiento de gestos comparativamente alta. Proponemos un esquema compuesto de selección de canales combinando los algoritmos de selección de variables basados en la representación dispersa multitarea (MTSR) y la mínima redundancia y máxima relevancia (mRMR). En concreto, primero se extraen las características del canal para componer variables emparejadas canal-característica, para las que se llevan a cabo procedimientos de selección de variables mediante MTSR y mRMR, respectivamente. A continuación, se clasifican todos los canales en función de sus apariciones en cada procedimiento de selección de variables y se obtiene un número determinado de canales informativos mediante la fusión de estas clasificaciones de canales. Por último, se evalúa el rendimiento de la clasificación de gestos utilizando los canales seleccionados mediante el clasificador de máquina de vectores de soporte (SVM). Los resultados experimentales validan la eficacia del método propuesto.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:canales, esquema compuesto de selección de canales, alta precisión en el reconocimiento de gestos, mínima redundancia, máxima relevancia, rendimiento de la clasificación de gestos, representación dispersa multitarea, máquina de vectores soporte, algoritmos de selección de variables, procedimiento de selección de variables, procedimientos de selección de variables
• Keywords:channels, compound channel selection scheme, high gesture recognition accuracy, minimum Redundancy Maximum Relevance, gesture classification performance, multitask sparse representation, support vector machine, variable selection algorithms, variable selection procedure, variable selection procedures