《表2 不同ELM参数优化方法识别准确率》

  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

《采用鱼群算法进化极限学习机的假肢步态识别》

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

图7为正则化参数C和ELM核函数参数Q的优化过程，最终得到最优解C=112.60，Q=75.48。笔者采用文献[17]提出的PSO优化方法确定PSO参数。由表2可以看出：网格搜索优化方法5种步态的识别率在82.51%～89.17%之间，平均识别率为85.64%；而采用PSO优化后，除了下楼，其余步态的识别率均在90%以上，平均识别率达到了92.8%，但仍低于FA参数优化方法识别率；FA参数优化方法比PSO参数优化方法平均识别率提高了4.6%；网格法只对经验范围进行寻优，是一种局部寻优算法，所以识别率最低。FA参数优化方法能够更准确、更有效地找到正则化参数和ELM核参数的优化组合值，因此笔者采用FA优化ELM的分类方法。