基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于脑电(EEG)的脑机接口(BCI)是在人脑和计算机或其它电子设备之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的全新对外信息交流和控制技术.及时有效地提取和识别与运动想象相关的脑电模式可以帮助严重瘫痪病人控制光标或辅助运动设备以替代其受损的运动功能,建立一种与外界交流沟通的新途径.论文将以EEG(C3,C4)两个通道的mu节律能量作为特征向量,用感知器算法对左右手运动想象脑电模式进行识别,实验结果表明,正确识别率可达87.86%.由于感知器算法计算简单,故可以认为,感知器算法在脑机接口的应用中有较高的实用价值.
推荐文章
人体运动图像的目标模糊模式识别算法
人体
运动图像
傅里叶变换
目标模糊模式识别
小波变换在运动想象脑电分类中的应用
脑-机接口
特征提取
小波变换
推广的感知器学习算法及其在模式识别中的应用
感知器
模式识别
凸区域
凹区域
BP网络算法在模式识别中的应用
BP网络
学习算法
模式识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 感知器算法在运动想象脑电模式识别中的应用
来源期刊 计算机工程与应用 学科 工学
关键词 感知器算法 脑电 脑机接口 特征提取 分类
年,卷(期) 2006,(25) 所属期刊栏目 工程与应用
研究方向 页码范围 230-232
页数 3页 分类号 TP391
字数 2525字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.25.070
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴小培 安徽大学计算智能与信号处理重点实验室 132 1377 20.0 29.0
2 周晓兰 安徽大学计算智能与信号处理重点实验室 3 41 3.0 3.0
3 张道信 安徽大学计算智能与信号处理重点实验室 31 323 12.0 17.0
4 李坤 安徽大学计算智能与信号处理重点实验室 5 38 4.0 5.0
5 唐希雯 安徽大学计算智能与信号处理重点实验室 2 29 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (6)
同被引文献  (5)
二级引证文献  (8)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
感知器算法
脑电
脑机接口
特征提取
分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导