基于深度森林的下肢股直肌疲劳检测算法

摘要

肌肉疲劳评估是当今社会探索与研究的热点之一,与人们日常生活健康密切相关。目前常用的肌疲劳分类方法有支持向量机(Support Vector Machine, SVM)、随机森林(Random Forest, RF)和逻辑回归等浅层机器学习方法。为了进一步提高运动过程中肌肉疲劳识别的精度,因此,本文通过设计硬件采集装置进行下肢股直肌部位肌肉疲劳实验采集数据,构建深度森林(Deep Forest, DF)模型将预处理后的表面肌电(sEMG)数据分成三类:正常(normal)、疲劳(fatigue)和极度疲劳(extreme fatigue),并与传统方法SVM和RF模型对比。实验结果表明:深度森林模型的疲劳识别效果最好,整体准确率为92%,所提出的方法在各评价指标上均优于传统方法,基于深度森林的下肢股直肌疲劳检测算法,可以作为肌肉疲劳识别的方法,为人类健康提供参考与帮助。