基于黎曼与巴氏距离的脑磁图信号分类方法

• 作者: 刘立 吴煜 杨爱萍 王建 章宦记
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 脑磁图(MEG) 分类算法 协方差矩阵 黎曼距离 巴氏距离
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 776-784
• 页数: 9页
• 分类号: TP391
• 字数: 7540字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1603090

摘要

针对人脑对不同视觉目标刺激产生的脑磁图(magnetoencephalography,MEG)信号,提出了一种新型的脑磁图信号分类算法.该算法首先将滤波后的脑磁图信号投影到新的特征空间,然后将脑磁图信号投影后新特征的协方差特征投影到切线空间中,用协方差特征作为信号的特征,进而对样本进行预分类;接着将预分类的样本通过巴氏距离的调整,得到二次标记结果;最后采用黎曼距离对协方差特征矩阵在流形上进行调整,得到最终的分类结果.实验结果表明,该有监督与无监督相结合的算法有助于提高脑磁图信号分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨爱萍	天津大学电子信息工程学院	52	311	10.0	13.0
2	王建	天津大学电子信息工程学院	42	276	10.0	15.0
3	吴煜	天津大学电子信息工程学院	8	234	5.0	8.0
4	刘立	天津大学电子信息工程学院	23	127	7.0	10.0
5	章宦记	天津大学电子信息工程学院	2	16	2.0	2.0