| Popis: |
Este artigo visa avaliar os resultados da classificacao de gestos da mao visando a implementacao de uma protese robotica. Os dados capturados de sinais de Eletromiografia de Superficie (sEMG) gerados a partir de gestos pre-definidos. As caracteristicas utilizadas para classificacao foram: Raiz Media Quadratica (RMS), Coeficientes Auto-regressivos de Quarta Ordem (AR), Integral de Valor Absoluto (IAV) e Comprimento de Forma de Onda (WL). A classificacao e testada individualmente pelas tecnicas de Analise de Discriminantes Lineares (LDA), Analise de Discriminantes Quadraticos (QDA), classificador Bayesiano Linear (BC Linear), classificador Bayesiano Quadratico (BC Quadratico), Analise de discriminantes por distâncias de Mahalanobis e uma Rede Neural Artificial do tipo “Single Layer Feedforward Network - Extreme Learning Machine” (ELM) adaptada por Boldt (2017). A partir dos resultados obtidos foi realizada uma analise comparativa identificando a classificacao por ELM como a mais eficaz atingindo F1-Score medio de 90,75% e uma taxa de acerto de 90,61% em testes realizados a partir da validacao 8-fold. |
