基于CSP和GBDT运动想象脑电模式识别研究_冯建奎.pdf
《基于CSP和GBDT运动想象脑电模式识别研究_冯建奎.pdf》由会员分享,可在线阅读,更多相关《基于CSP和GBDT运动想象脑电模式识别研究_冯建奎.pdf(6页珍藏版)》请在咨信网上搜索。
1、基于 和 运动想象脑电模式识别研究冯建奎(菏泽学院机电工程学院,山东 菏泽 )摘要:为了提高运动想象脑机接口系统的性能,基于脑机接口竞赛数据比较了不同空间滤波器下获得的 特征,在支持向量(线性核和高斯核)(,(,),线性判别分析(,),梯度提升决策树(,)下的分类效果 比较结果表明,获得了比其它分类器更优的分类效果进一步把最小绝对收缩和选择算法(,)与以上四种分类器进行结合使用,发现其与 结合使用后得到的平均分类准确率最高,比结合 ,和 分别提高了 ,关键词:脑机接口;运动想象;梯度提升决策树;共空间模式中图分类号:文献标识码:文章编号:()引言脑机接口(,)是一种通过识别大脑思维活动来实现人
2、脑与外界进行信息交互和控制外部设备的技术可以帮助脊髓损伤、肌萎缩脊髓侧索硬化等严重神经肌肉障碍患者在一定程度上恢复其交流和运动能力因为表皮采集的脑电信号(,)在便利性上具有优势,所以在脑机接口研究中被广泛使用,然而,信号信噪比低,不稳定的特征决定了脑机接口技术需要高效的特征提取算法和性能优良的分类器与基于诱发电位的脑机接口相比,运动想象脑机接口不依赖于外部刺激,在范式设计上更易实施,且适用于轮椅等机械设备的运动控制和运动康复训练然而,脑电信号具有空间分辨率低、信噪比低、易受强伪迹干扰、具有高度的非平稳性等特点,所以提取有效的脑电特征进行运动想象脑模态分类存在一定的难度 目前,已有很多运动想象电
3、位的特征提取方法,如小波变换、小波包变换、自回归模型、共空间模式等 其中,共空间模式是一种被广泛应用的运动想象特征提取算法,它通过学习投影向量,使得两类运动想象信号经过投影变换之后,一类方差最大化,同时另一类方差最小化,从而实现类间区别最大化目的 然而,选择的空间滤波器是否合适,会明显影响共空间模式的性能 为了解决这个问题,等人通过使用 规则用于 特征选择,显著提高了运动想象脑模态的识别准确率优化运动想象脑模态的识别算法是提高此类脑机接口性能的重要途径之一 目前,已经提出了很多有用的识别方法来改善脑机接口的分类精度,例如支持向量机,线性判别分析,自回归模型和各种神经网络等 支持向量机和线性判别
4、分析是运动想象脑机接口研究中常用的两种判别方法 ,虽然从一定程度上取得了较好的分类效果,但是仍然留有很大的提升空间 提升树是一种由多个弱分类器经过多次迭代形成的强分类器,集成后的强分类器性能要明显优于单个学习器构建的分类器与传统 算法不同的是 算法的基分类器是回归树,其迭代的目的是通过计算上一次模型的负梯度来改变模型,然后在残差减少的梯度方向上建立新的决策树,等人 研究表明,对求解二分类问题有显著的优越性 本文通过 和 提取运动想象脑模态特征,然后利用 来进行分类,通过与 ,和 进第 卷第期 菏泽学院学报 年月 收稿日期:作者简介:冯建奎(),男,山东菏泽人,硕士,研究方向:脑机接口DOI:1
5、0.16393/ki.37-1436/z.2023.02.001行比较来验证梯度提升决策树的有效性和优越性分析方法 共空间模式 是一种提取两分类特征的有效算法 它通过学习空间滤波器使得一类样本的方差最大化,同时另一类样本的方差最小化 其方程如下:()()式()中表示类的空间协方差矩阵 为了方便分析,和分别表示第一类的 样本和第二类的 样本 其中,表示每类样本的个数,表示通过每个导联获得的采样点的个数.每类的协方差矩阵的计算公式如下:,()式()的最优化问题可以转化为在的条件下,对求极值的问题 相应的拉格朗日函数如下:(,)()()通过对的梯度等于,获得投影矩阵:()通过求解式()的广义特征值,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 CSP GBDT 运动 想象 模式识别 研究 冯建奎
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。