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.