融合脑电特征的弹性网特征选择和分类

• 作者: 李慧 李静 王金甲
• 来源期刊: 生物医学工程学杂志
• 学科: 医学
• 关键词: 特征融合 特征选择 共空间模式 弹性网逻辑回归 坐标下降
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 论著
• 页码范围: 413-419
• 页数: 7页
• 分类号: R318
• 语种: 中文
• DOI: 10.7507/1001-5515.20160070

摘要

脑机接口系统的核心问题之一是信号分类.本文针对脑电信号的异构融合特征的分类问题提出了一种新方法:封装式弹性网特征选择和分类.首先,对预处理后的脑电(EEG)信号联合应用时域统计、功率谱、共空间模式和自回归模型方法提取高维异构融合特征.其次,采用封装方式进行特征选择:对训练数据采用弹性网罚逻辑回归拟合模型,通过坐标下降法估计模型参数,运用10倍交叉验证选择出最优特征子集.最后采用已训练的最优模型对测试样本进行分类.实验中采用国际BCI竞赛Ⅳ的EEG数据,结果表明,该方法适用于高维融合特征的最优特征子集选择问题,对于EEG信号的识别不仅效果好、速度快,而且能够选出与分类更相关的子集,获得相对简单的模型,平均测试正确率达到了81.78％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金甲		62	399	9.0	18.0
2	李慧		51	367	10.0	17.0
3	李静		72	324	9.0	16.0