МЕТОД ОПТИМИЗАЦИИ КЛАССИФИКАТОРА ЖЕСТОВ

Аннотация

Работа посвящена исследованию возможности оптимизации процесса синтеза клас- сификаторов жестов путем выбора наиболее значимых каналов электромиографической (ЭМГ) активности мышц предплечья. Первая часть исследования посвящена разработке и анализу эффективности работы классификаторов жестов с различным числом каналов ЭМГ, ранжированных по значимости на основе критерия Пирсона. Решение задачи клас- сификации жестов по ЭМГ сигналам впервые осуществлено на основе ансамблей деревьев решений, обучаемых по методу градиентного бустинга. Для этого было разработано про- граммное обеспечение, позволяющее производить автоматический синтез и обучение клас- сификаторов жестов. Далее была проведена серия исследований по поиску оптимального числа каналов ЭМГ на основе трех критериев: скорость обучения классификатора, быст- родействие обученной модели и площадь под кривой ошибки ROC AUC. Для этого был про- изведен цикл обучений и тестирований классификатора для наборов данных, записанных при различных положениях электродов на предплечье. Затем были построены диаграммы размаха исследуемых критериев для различных количеств задействованных в работе кана- лов ЭМГ от 1 до 8, ранжированных по значимости в каждой из выборок. Установлено, что оптимальное количество задействованных каналов ЭМГ в условиях эксперимента со- ставило 3-6 шт., поскольку дальнейшее увеличение не приводило к уменьшению ошибки классификации, при этом ухудшая быстродействие. Предложенный метод позволяет ав- томатически выбрать каналы, электроды которых расположены над наиболее информа- тивными зонами предплечья при случайном изменении положения датчиков. Вторая часть работы содержит результаты проведения натурного эксперимента по демонстрации возможности управления колесным роботом посредством анализа ЭМГ.