Исследование методов машинного обучения в задаче классификации паттернов сигналов электромиографии на основе «сырых» данных

DOI: 10.25728/avtprom.2022.03.10

Представлены результаты исследования методов машинного обучения для классификации паттернов сигналов электромиографии. Использовался датасет, включающий размеченные необработанные данные четырех жестов рук. Датасет подвергался предобработке, анализу и разделению на тренировочные и тестовые данные. В исследовании использовались следующие алгоритмы машинного обучения: наивный Байесовский классификатор (НБК), метод к-ближайших соседей (knn), решающие деревья, случайный лес, метод машины опорных векторов (МОВ) для двух ядер (полиномиального и радиальной базисной функции). Оценка моделей производилась по нескольким параметрам: построение матрицы ошибок, вычисление точности, полноты и f-1 меры.