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:
针对脑-机接口(BCI)研究数据分布不确定问题,提出基于自适应邻域相似关系识别算法,以提取脑电信号中的运动相关电位(MRP)特征.采用映射后MRP模式的邻域相似关系,寻找最佳投影方向,使得映射后异类与同类的样本期望距离的比值最大.利用映射后的样本距离确定相似概率,避免在高维空间使用距离方程可能产生的不适应性.在随机生成数据和BCI竞赛公开数据应用中,该算法的识别效果优于线性判别分析算法和共空间模式算法.
推荐文章
脑-机接口中基于相似关系的MR Ps双滤波特征提取算法
脑-机接口
脑电信号
模式分类
相似性
基于密度自适应邻域相似图的半监督谱聚类
谱聚类
密度自适应邻域
相似图
半监督学习
基于邻域信息的图像自适应滤波
邻域信息
差分
自适应滤波
基于相似度辅助决策的带宽自适应跟踪算法
视觉跟踪
均值漂移算法
显著性加权
自适应带宽
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 基于自适应邻域相似关系的脑-机接口识别算法
来源期刊 计算机工程 学科 工学
关键词 特征提取 脑-机接口 脑电信号 相似性 期望距离 共空间模式
年,卷(期) 2017,(1) 所属期刊栏目 开发研究与工程应用
研究方向 页码范围 292-296
页数 5页 分类号 TP301.6
字数 4474字 语种 中文
DOI 10.3969/j.issn.1000-3428.2017.01.050
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 刘美春 广东金融学院应用数学系 12 8 2.0 2.0
2 王芬 广东金融学院应用数学系 10 26 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (131)
共引文献  (92)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(6)
  • 参考文献(1)
  • 二级参考文献(5)
2000(14)
  • 参考文献(0)
  • 二级参考文献(14)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(19)
  • 参考文献(0)
  • 二级参考文献(19)
2004(15)
  • 参考文献(0)
  • 二级参考文献(15)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(12)
  • 参考文献(2)
  • 二级参考文献(10)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(8)
  • 参考文献(3)
  • 二级参考文献(5)
2014(14)
  • 参考文献(3)
  • 二级参考文献(11)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
特征提取
脑-机接口
脑电信号
相似性
期望距离
共空间模式
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
相关基金
广东省自然科学基金
英文译名:Guangdong Natural Science Foundation
官方网址:http://gdsf.gdstc.gov.cn/
项目类型:研究团队
学科类型:
论文1v1指导