如何解决支持向量机适用于手势识别肌电图?
我必须选择合适的算法来控制带有 8 电极阵列的假肢。 我正在用 R 分析和处理 EMG 数据。 我想尝试用 SVM 来做,但结果对我来说似乎很奇怪,因为预测似乎不太好。我会认为它们更容易区分。 prediction table
我的数据框由以下列组成:时间戳、8 个通道和类(即手势/动作)https://www.dropbox.com/s/7wbzesv33j0wg6v/data.csv?dl=0
我想知道的是,是我的实现有问题还是真的是数据... 如果是后者,我应该改进什么?
d <- subset( data,select = -time )
library(e1071)
n <- nrow(d) # Number of observations
ntrain <- round(n*0.75) # 75% for training set
set.seed(300) # Set seed for reproducible results>
tindex <- sample(n,ntrain) # Create a random index
train_data <- d[tindex,] # Create training set
test_data <- d[-tindex,] # Create test set>
train_data$Bewegungen<- factor(train_data$Bewegungen)
test_data$Bewegungen<- factor(test_data$Bewegungen)
svm1 <- svm(Bewegungen~.,data=train_data,method="C-classification",kernal="radial",gamma=0.1,cost=10)
summary(svm1)
prediction <- predict(svm1,test_data)
xtab <- table(test_data$Bewegungen,prediction)
xtab
我很高兴得到任何帮助或提示,因为我不确定问题到底是什么。 无论是我简单地选择了不合适的算法,还是只是我的数据无法让算法正确学习手势,还是仅仅是实现...
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。