基于元学习和叠加法的双层支持向量机算法.pdfVIP

第 25卷 第 6期 模式识别与人工智能 VoI_25 No．6 2012年 12月 PR AI Dec 2012 基于元学习和叠加法的双层支持向量机算法 朱 昊 李雪玲 李效来 葛运建 (中国科学院合肥智能机械研究所 机器人感知与人机交互实验室 合肥230031) 摘 要 提出一种模式识别算法——双层支持量机算法 ，用来提高表面肌电识别精度．该算法融合集成学习中元 学习的并行方法和叠加法的递进思想，把基本 SVM分类器并行分布在第 1层，第 1层的预测结果作为第2层的输 入，由第2层再进行分类识别 ，从而通过多层分类器组合来融合多源特征．以手臂表面肌电数据集为测试数据，采 用文中的双层支持向量机 ，各肌肉的肌电信号分别输入基支持向量机，组合器融合各肌肉电信号特征 ，集成识别前 臂肌肉群的肌电信号，从而实现运动意图的精确识别．实验结果显示，在预测精度上，此算法优于单个 SVM分类 器．在预测性能上(识别精度、耗时、鲁棒性)，此算法优于随机森林和旋转森林等集成分类器． 关键词 集成学习，元学习，叠加法 ，双层支持向量机 (TSSVM)，表面肌电(SENG) 中图法分类号 TP181 A Two-StageSupportVectorMachineAlgorithm BasedonM etaLearningandStackingGeneralization ZHUMin，LIXue-Ling，LIXiao-Lai，GEYun-Jian (RobotSensorandHuman—MachineInteractionLaboratory，InstituteofIntelligentMachines， ChineseAcademyofSciences，Hefei230031) ABSTRACT ATwo-StageSupportVectorMachineAlgorithm (TSSVM)isproposedtoimprovetherecognition accuracyofthesurfaceelectromyography (SEMG)．Theproposedalgorithm isintegratedwithparallel method ofmeta—learning and the stacking idea of ensemble learning．In thisalgorithm，the basic classifiersareparalleledanddistributedonthefirststageandtheoutputsofthefirst—stageSupportVector Machine(SVM)raeinputintothesecond—stageSVM tointegratemulti-sourcefeaturesandoutputthe classificationresult．Andthentheproposedalgorithm isusedontestdatasetoftheSEMG from human upperlimb．The signalsofSEMGsfrom individualmusclesarerespectively inputinto the first·stage SVMs．Andtheoutputofthefirst—stageSVMsisinputintothesecond—stageSVM combinertointegrate andrecognizethe electromyographic signalfeaturesofindividualmuscle．Resultsshow thatTSSVM is superior to single SVM in classification accuracy． Moreover