《表1 传统时域特征平均分类结果》

  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

《基于正常人的肌电模式识别抗力变化的鲁棒性研究》

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

进一步分析提取频谱域特征的同力度水平下十五类动作分类情况，将平均混合矩阵结果进行研究（如图7），其中每一列的和应为100%，对角线所示为每一类动作被正确识别的准确率，同一列其他值则为被错误识别成其他动作的准确率。从图中不难发现每一类动作的分类结果均在90%以上，只有个别动作低于90%。从低力度等级水平可以看出，腕内屈分类仅73.08%，主要识别为放松状态。可能是因为进行低力度水平采集时，用力过小，导致识别为放松状态。从中力度等级水平可以看出，分类低的动作与误识别动作有一定的相似性，所以识别错误的可能性很大。从高力度等级混合矩阵可以看出每类动作分类均很好，说明高力度等级数据对于不同类别的动作更容易进行分类处理。