matlab精度检验代码-Classification-of-actions-using-EMG-signals:应用机器学习/...

matlab精度检验代码使用EMG信号进行动作分类 该项目是卡内基梅隆大学机器人学院应用数据科学（16-791）课程的一部分，已完成。 该项目旨在实施有监督的机器学习模型，以对人类受试者记录的EMG信号进行分类。 EMG或肌电图检查是记录骨骼肌电信号以监测其健康状况并评估神经肌肉连接的过程。通常使用EMG设备进行读数，该设备在一段时间内使用连接到肌肉的电极记录肌肉的``收缩''和``放松''。受试者/患者的肌肉。 因此从每个电极接收的信号是时间，频率和幅度的函数。 在这个项目中，我们研究了使用表面电极的EMG信号处理的非常特殊的应用，该电极起源于运动机能学。 我们旨在建立一种监督学习模型，以对从执行特定操作的4名受试者收集的EMG信号进行分类。 成功的分类模型可以帮助生物医学工程师了解将特定活动与其他活动区分开的时间序列特征。 该结果的应用范围可能从运动员的表现增强到肌肉异常行为的检测和诊断。 例如，神经肌肉问题，例如癫痫发作。 我们特别专注于构建可以成功地将“攻击性”行为与“正常”行为进行分类的分类器。 我们假设攻击行为和正常行为在信号幅度，频率和模式方面有很大差异。 因此，基于已处