ICA as Pattern Recognition Technique for Gesture Identification

2012 ◽  
pp. 367-387
Author(s):  
Ganesh Naik ◽  
Dinesh Kant Kumar ◽  
Sridhar Arjunan
Keyword(s):  
Pattern Recognition ◽  
Marked Improvement ◽  
Mitigation Strategy ◽  
The Other ◽  
Computer Assisted ◽  
Pattern Recognition Techniques ◽  
Non Invasive ◽  
Robust System ◽  
Network Weight ◽  
Recognition Technique

In recent times there is an urgent need for a simple yet robust system to identify natural hand actions and gestures for controlling prostheses and other computer assisted devices. Surface Electromyogram (sEMG) is a non-invasive measure of the muscle activities but is not reliable because there are multiple simultaneously active muscles. This research first establishes the conditions for the applicability of Independent Component Analysis (ICA) pattern recognition techniques for sEMG. Shortcomings related to order and magnitude ambiguity have been identified and a mitigation strategy has been developed by using a set of unmixing matrix and neural network weight matrix corresponding to the specific user. The experimental results demonstrate a marked improvement in the accuracy. The other advantages of this system are that it is suitable for real time operations and it is easy to train by a lay user.

ICA as Pattern Recognition Technique for Gesture Identification

2013 ◽  
pp. 530-549
Author(s):  
Ganesh Naik ◽  
Dinesh Kant Kumar ◽  
Sridhar Arjunan
Keyword(s):  
Pattern Recognition ◽  
Marked Improvement ◽  
Mitigation Strategy ◽  
The Other ◽  
Computer Assisted ◽  
Pattern Recognition Techniques ◽  
Non Invasive ◽  
Robust System ◽  
Network Weight ◽  
Recognition Technique

In recent times there is an urgent need for a simple yet robust system to identify natural hand actions and gestures for controlling prostheses and other computer assisted devices. Surface Electromyogram (sEMG) is a non-invasive measure of the muscle activities but is not reliable because there are multiple simultaneously active muscles. This research first establishes the conditions for the applicability of Independent Component Analysis (ICA) pattern recognition techniques for sEMG. Shortcomings related to order and magnitude ambiguity have been identified and a mitigation strategy has been developed by using a set of unmixing matrix and neural network weight matrix corresponding to the specific user. The experimental results demonstrate a marked improvement in the accuracy. The other advantages of this system are that it is suitable for real time operations and it is easy to train by a lay user.

feelabuzz

2011 ◽  
Vol 3 (2) ◽  
pp. 65-74 ◽  
Author(s):  
Christian Leichsenring ◽  
René Tünnermann ◽  
Thomas Hermann
Keyword(s):  
Pattern Recognition ◽  
Mobile Phone ◽  
Large Scale ◽  
User Study ◽  
The Other ◽  
Direct Communication ◽  
Pattern Recognition Techniques

Touch can create a feeling of intimacy and connectedness. This work proposes feelabuzz, a system to transmit movements of one mobile phone to the vibration actuator of another one. This is done in a direct, non-abstract way, without the use of pattern recognition techniques in order not to destroy the feel for the other. The tactile channel enables direct communication, i. e. what another person explicitly signals, as well as implicit context communication, the complex movements any activity consists of or even those that are produced by the environment. This paper explores the potential of this approach, presents the mapping use and discusses further possible development beyond the existing prototype to enable a large-scale user study.

scholarly journals Cognitive Ergonomics Evaluation Assisted by an Intelligent Emotion Recognition Technique

2020 ◽  
Vol 10 (5) ◽  
pp. 1736
Author(s):  
Adrian Rodriguez Aguiñaga ◽  
Arturo Realyvásquez-Vargas ◽  
Miguel Ángel López R. ◽  
Angeles Quezada
Keyword(s):  
Pattern Recognition ◽  
Emotion Recognition ◽  
Facial Expressions ◽  
Situation Awareness ◽  
Well Being ◽  
Cognitive Effects ◽  
Work Activities ◽  
Pattern Recognition Techniques ◽  
Cognitive Ergonomics ◽  
Recognition Technique

The study of the cognitive effects caused by work activities are vital to ensure the well-being of a worker, and this work presents a strategy to analyze these effects while they are carrying out their activities. Our proposal is based on the implementation of pattern recognition techniques to identify emotions in facial expressions and correlate them to a proposed situation awareness model that measures the levels of comfort and mental stability of a worker and proposes corrective actions. We present the experimental results that could not be collected through traditional techniques since we carry out a continuous and uninterrupted assessment of the cognitive situation of a worker.

COMPARATIVE EVALUATION OF PATTERN RECOGNITION TECHNIQUES FOR DETECTION OF MICROCALCIFICATIONS IN MAMMOGRAPHY

1993 ◽  
Vol 07 (06) ◽  
pp. 1417-1436 ◽  
Author(s):  
KEVIN S. WOODS ◽  
CHRISTOPHER C. DOSS ◽  
KEVIN W. BOWYER ◽  
JEFFREY L. SOLKA ◽  
CAREY E. PRIEBE ◽  
...  
Keyword(s):  
Pattern Recognition ◽  
Nearest Neighbor ◽  
Computer Assisted ◽  
Detection Accuracy ◽  
K Nearest Neighbor ◽  
Dynamic Neural Networks ◽  
Pattern Recognition Techniques ◽  
Mammographic Images ◽  
Bright Spots ◽  
Computer Assisted Detection

Computer-assisted detection of microcalcifications in mammographic images will likely require a multistage algorithm that includes segmentation of possible microcalcifications, pattern recognition techniques to classify the segmented objects, a method to determine if a cluster of calcifications exists, and possibly a method to determine the probability of malignancy. This paper focuses on the first three of these stages, and especially on the classification of segmented local bright spots as either calcification or noncalcification. Seven classifiers (linear and quadratic classifiers, binary decision trees, a standard backpropagation network, 2 dynamic neural networks, and a K-nearest neighbor) are compared. In addition, a postprocessing step is performed on objects identified as calcifications by the classifiers to determine if any clusters of microcalcifications exist. A database of digitized film mammograms is used for training and testing. Detection accuracy of individual and clustered microcalcifications is compared across the seven methods using area under the ROC curve as a figure of merit.

scholarly journals Classification of saline water for irrigated agriculture using near infrared spectroscopy coupled with pattern recognition techniques

2019 ◽  
Vol 116 ◽  
pp. 00043
Author(s):  
Ravipat Lapcharoensuk ◽  
Jirawat Phuphanutada ◽  
Patthranit Wongpromrat
Keyword(s):  
Pattern Recognition ◽  
Water Samples ◽  
Near Infrared ◽  
Saline Water ◽  
Nir Spectroscopy ◽  
Test Method ◽  
Pattern Recognition Technique ◽  
Pattern Recognition Techniques ◽  
Recognition Technique

This research aimed to create near infrared (NIR) spectroscopy models for the classification of saline water with a pattern recognition technique. A total of 112 water samples were collected from the Tha Chin river basin in Thailand. Water samples with salinity less than 0.2 g/l were identified as suitable for agriculture, while water samples with salinity higher than 0.2 g/l were found to be unsuitable. The NIR spectra of water samples were recorded using a Fourier transform (FT) NIR spectrometer in the wavenumber of 12,500–4,000 cm-1. The salinity of each water sample was analysed by electrical conductivity meter. Identification models were established with 5 supervised pattern recognition techniques including k-nearest neighbour (k-NN), support vector machine (SVM), artificial neural network (ANN), soft independent modelling of class analogies (SIMCA), and partial least squares-discriminant analysis (PLS-DA). The performance of the NIR model was carried out with a split-test method. About 80% of spectra (90 spectra) were randomly selected to develop the classification models. After model development, the NIR spectroscopy models were used to classify the categories of the remaining samples (22 samples). The ANN model showed the highest performance for classifying saline water with precision, recall, F-measure and accuracy of 84.6%, 100.0%, 91.7% and 90.9%, respectively. Other techniques presented satisfactory classification results with accuracy greater than 68.2%. This point indicated that NIR spectroscopy coupled with the pattern recognition technique could be applied to classify saline water for agricultural use according to salinity level in natural resources.

Interpretation of Infrared Spectra Using Pattern Recognition Techniques

1973 ◽  
Vol 27 (5) ◽  
pp. 371-376 ◽  
Author(s):  
Robert W. Liddell ◽  
Peter C. Jurs
Keyword(s):  
Pattern Recognition ◽  
Feature Selection ◽  
Ir Spectra ◽  
Infrared Spectra ◽  
Training Procedure ◽  
Pattern Recognition Technique ◽  
Pattern Recognition Techniques ◽  
Recognition Technique

The pattern recognition technique utilizing adaptive binary pattern classifiers has been applied to the interpretation of infrared spectra. The binary pattern classifiers have been trained to determine the chemical classes of x-y digitized infrared spectra. High predictive abilities have been obtained in classifying unknown spectra. A new training procedure for binary pattern classifiers has been developed, and it has been used to classify ir spectra into chemical classes. Pattern classifiers trained in the conventional way and by the new procedure have been used in conjunction with feature selection, and it is shown that a small fraction of the data is necessary to classify these infrared spectra successfully into chemical classes.

scholarly journals Computer assisted diagnosis of brain tumors based on statistical methods and pattern recognition techniques

2010 ◽  
Author(s):  
Παντελής Γεωργιάδης
Keyword(s):  
Pattern Recognition ◽  
Brain Tumors ◽  
Statistical Methods ◽  
Computer Assisted ◽  
Pattern Recognition Techniques ◽  
Computer Assisted Diagnosis ◽  
Assisted Diagnosis

Η εισαγωγή της Μαγνητικής Τομογραφίας (ΜΤ) στην κλινική πρακτική και η συμπληρωματική πληροφορία που δίνει η Φασματοσκοπία Μαγνητικού Συντονισμού (ΦΜΣ) συνιστά μια από τις πιο σημαντικές εξελίξεις στη διάγνωση ασθενών με καρκίνο εγκεφάλου [1]. Παρ’ όλα αυτά, οι εικόνες ΜΤ είναι συχνά δύσκολο να ερμηνευθούν από τους ειδικούς λόγω [2] α/ της υποκειμενικότητας και περιορισμένης εμπειρίας του παρατηρητή στην εκτίμηση εικόνων που παράγει η σχετικά νέα αυτή τεχνολογία, β/ των ποικίλων κλινικών χαρακτηριστικών των όγκων (π.χ. τύπος, διαβάθμιση κακοήθειας κλπ.) και γ/ της ιδιαιτερότητας των όγκων στην αντίθεση που παρουσιάζουν με τον περιβάλλοντα ιστό. Μόνο λιγοστές μελέτες έχουν διεξαχθεί για να χαρακτηρίσουν ιστούς εγκεφάλου μέσω της ανάλυσης ποσοτικών χαρακτηριστικών από εικόνες εγκεφάλου ΜΤ [3, 4]. Ενώ έχει ήδη τονιστεί η αναγκαιότητα συσχετισμού της διαγνωστικής και προγνωστικής πληροφορίας που προέρχεται από εικόνες ΜΤ και σήματα ΦΜΣ στη διεθνή βιβλιογραφία [5], υπάρχουν λιγοστές ανάλογες αναφορές για τον σχεδιασμό και υλοποίηση συστήματος Η/Υ αυτόματης διάγνωσης όγκων εγκεφάλου κάνοντας συνδυασμό ποσοτικής πληροφορίας προερχόμενης από εικόνες ΜΤ και σήματα ΦΜΣ [6, 7]. Οι στόχοι της παρούσας διατριβής εστιάζονται στα παρακάτω: - στη μελέτη, ανάπτυξη και η υλοποίηση υπολογιστικού συστήματος αυτόματης ταξινόμησης όγκων του εγκεφάλου μέσω της ποσοτικής ανάλυσης εικόνων ΜΤ το οποίο θα βελτιώνει την ακρίβεια ταξινόμησης σε σχέση με ήδη υπάρχοντα συστήματα [4, 8, 9], όπως αυτά περιγράφονται στην διεθνή βιβλιογραφία μεταξύ πρωτογενών και δευτερογενών όγκων εγκεφάλου καθώς και μεταξύ γλοιωμάτων και μηνιγγιωμάτων με την χρήση δέντρου ιεραρχικής απόφασης δύο επιπέδων. Επιπλέον, στην ανάδειξη πως η χρήση ενός μη-γραμμικού πολυωνυμικού μετασχηματισμού ελάχιστων τετραγώνων των χαρακτηριστικών υφής έχει ως αποτέλεσμα την βελτίωση της ακρίβειας ταξινόμησης του ταξινομητή πιθανοκρατικού νευρωνικού δικτύου - στην επέκταση και την βελτίωση του συστήματος αυτόματης ταξινόμησης όγκων του εγκεφάλου χρησιμοποιώντας α/ ογκομετρικές ποσοτικές παραμέτρους εικόνων ΜΤ, β/ ταξινομητή μηχανών διανυσμάτων στήριξης μαζί με τη μεθοδολογία συνάθροισης αποτελεσμάτων ταξινόμησης από τυχαιοποιημένα δείγματα κατηγοριών δημιουργημένων με επαναδειγματοληψία για κάθε κόμβο δέντρου ιεραρχικής απόφασης δύο επιπέδων όπου στο πρώτο επίπεδο πραγματοποιήθηκε διαχωρισμός μεταξύ πρωτογενών και δευτερογενών όγκων εγκεφάλου και στο δεύτερο και μεταξύ γλοιωμάτων και μηνιγγιωμάτων και γ/ έναν τροποποιημένο πυρήνα ακτινικής συνάρτησης βάσης για τον ταξινομητή μηχανών διανυσμάτων στήριξης ο οποίος περιλαμβάνει την τεχνική μη-γραμμικού πολυωνυμικού μετασχηματισμού ελάχιστων τετραγώνων με στόχο την βελτίωση της ακρίβειας ταξινόμησης - στην περαιτέρω επέκταση και την βελτίωση του συστήματος αυτόματης ταξινόμησης με την εισαγωγή χαρακτηριστικών προερχόμενων από σήματα ΦΜΣ ώστε να διερευνηθεί εάν η χρήση του μπορεί να βελτιώσει τα αποτελέσματα ταξινόμησης μεταξύ μηνιγγιωμάτων και μονήρων μεταστάσεων. Τέλος κάνοντας μια περίληψη, η παρούσα διατριβή διαπραγματεύεται τον σχεδιασμό, ανάπτυξη και υλοποίηση μεθόδων και αλγορίθμων για την επεξεργασία και ανάλυση ιατρικών εικόνων, επικεντρώνοντας ειδικότερα στην εφαρμογή των μεθόδων αυτών για την διάγνωση του τύπου των όγκων εγκεφάλου. Τα πιο βασικά συμπεράσματα που απορρέουν από την παρούσα διατριβή είναι τα ακόλουθα: α/ Το σύστημα ταξινόμησης των τύπων των όγκων εγκεφάλου που σχεδιάστηκε και υλοποιήθηκε αυξάνει τα ποσοστά ορθής ταξινόμησης σε σχέση με τα υπάρχοντα. β/ Η κωδικοποίηση των ιδιοτήτων της υφής που προέρχεται από τον σύνολο του όγκου παρέχει επιπρόσθετη πληροφορία στο σύστημα ταξινόμησης αυξάνοντας τα ποσοστά επιτυχούς διαχωρισμού. γ/ Τα χαρακτηριστικά φασματοσκοπίας μαγνητικού συντονισμού αποτελούν επιπρόσθετη αξία στο χαρακτηρισμό του τύπου των όγκων εγκεφάλου μιας και οδήγησαν στην αύξηση του ποσοστού επιτυχούς διαχωρισμού του συστήματος ταξινόμησης.

Sign in / Sign up

Export Citation Format

Share Document