作者:刘磊,杨鹏,刘作军 单位:浙江大学 出版:《浙江大学学报(工学版)》2015年第03期 页数:9页  (PDF与DOC格式可能不同) PDF编号:PDFZDZC2015030070 DOC编号:DOCZDZC2015030079 下载格式:PDF + Word/doc 文字可复制、可编辑
《利用电子舌识别炒青绿茶的等级》PDF+DOC2007年第28期 王新宇,陈全胜 《基于人工嗅觉的粮食霉变识别方法的研究》PDF+DOC2005年第01期 朱建云,赵德安,潘天红,张小超 《基于CS和神经网络的传感器网络模式识别研究》PDF+DOC2011年第12期 龚静,陈向东,时子青 《基于嗅觉可视化技术的猪肉新鲜度等级评判》PDF+DOC2011年第05期 黄星奕,周芳,蒋飞燕 《基于粒子群优化的神经网络容错控制算法》PDF+DOC2011年第03期 周立群,张晓琴,李书臣,苏成利,翟春艳 《基于主成分分析法的BP神经网络的应用》PDF+DOC2011年第01期 方健,李自品,彭辉,戴思初,吴晓文 《基于神经网络模型的信息融合技术》PDF+DOC2009年第01期 盖庆书,白雪 《基于FastICA和神经网络的电子鼻模式识别》PDF+DOC2007年第01期 王岩,陈向东,赵静 《实用仿生电子鼻在黄酒检测中的应用》PDF+DOC2014年第03期 鲁小利,张秋菊,蔡小庆 《基于PSO的改进的PID控制器在VAV空调系统温度控制中的应用》PDF+DOC2014年第01期 陈孟元
  • 为了提高人体下肢多运动模式识别的准确性,提出一种基于多源信息和粒子群优化算法-误差反向传播(PSO-BP)神经网络的识别方法.建立下肢多源信息采集系统,该系统由下肢表面肌电信号、髋关节角度、髋关节加速度组成.选择肌电信号偏度、峭度和功率谱比值为肌电信号特征,髋关节角度细分模式均值比为腿部角度信号特征,加速度标准差、能量峰值、两轴相关性系数为髋关节加速度特征.按照主成分分析(PCA)方法融合上述特征值,利用PSO-BP进行识别.实验结果表明:该方法识别率为95.75%,平均识别时间为1.234 8s。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。