《表1 KNN-SVM对步态的识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于SVM-KNN的人体步态相位识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文对原始数据集进行小波去噪，巴特沃斯滤波预处理，提取特征值得到特征向量样本集X={X1，…，XN}，Xi={AVAi1，VARi1，RMSi1，…，AVAij，VARij，RMSij，…}，一个特征向量Xi包含时域（4）、频域（3）、AR模型参数（4）共11种特征，j为肌电信号通道（股二头肌、阔筋膜张肌、股直肌、腓肠肌），共4个通道，因此一个特征向量包含44维数据，本文采用PCA降维方法取前4种主要成分作为最终的特征向量样本，即Xi={x1，x2，x3，x4}。选取总样本数的80%作为训练集，20%作为测试集，改进的SVM-KNN分类器识别结果如表1所示。