《表3 5手势分类准确率：基于CNN和sEMG的手势识别及康复手套控制》

  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CNN和sEMG的手势识别及康复手套控制》

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

在表2中，特征图1仅使用笔者所述的小波能量特征提取方法，因此对各样本的每个通道得到8个节点能量特征，8个通道组合即得到该样本8×8的特征图；特征图2仅使用根据文献[25]选取的18个时域特征和6个频域特征共24个特征，特征图2构成方式和特征图1相同，并且特征图1和图2也按列进行了灰度处理；特征图3使用组合8个小波包节点能量特征、18个时域特征和6个频域特征，但不进行灰度处理；特征图4是对特征图3的灰度化处理。由表2可以看出，网络单独使用小波包特征或时域和频域特征的分类准确率没有使用合成特征图的准确率高，进行灰度处理后识别率提高了0.6%。使用特征图4训练的网络对5个手势识别的结果如表3所示。