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:
针对脑机接口中两类左右手运动想象任务,提出一种依据迭代训练次数不断更新训练集样本的半监督算法.使用多重自相关分析算法,选择置信度较高的脑电信号样本并加入初始训练集;分别使用公共平均参考法与共空域模式算法,对样本进行预处理及特征提取;最后使用支持向量机对样本进行测试,根据迭代学习次数按照递进方式移除置信度较低的样本,并利用剩余样本继续训练模型,从而优化特征提取器及分类器参数.通过对标准脑电竞赛数据库BCI IV Dataset Ⅱa中左右手运动想象数据的测试表明,该算法与其他算法相比,在训练样本数目较少的情况下,具有较高的分类正确率.
推荐文章
LMD算法与运动想象脑电信号的时频分析
LMD分解
运动想象
脑电信号
时频分析
基于ABC-SVM的运动想象脑电信号模式分类
脑电信号
人工蜂群算法
支持向量机
正则化共空间模式
模式分类
多通道三维视觉指导运动想象脑电信号特征选择算法
脑机接口
运动想象
脑电信号
特征选择
自适应差分进化
多类运动想象脑电信号特征提取与分类
脑电信号
小波包方差
小波包熵
共同空间模式
特征提取
支持向量机
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 一种运动想象脑电信号半监督算法
来源期刊 北京理工大学学报 学科 工学
关键词 脑机接口 半监督学习 多重自相关分析 支持向量机
年,卷(期) 2018,(1) 所属期刊栏目 信息与控制
研究方向 页码范围 73-78,84
页数 7页 分类号 TN911.7
字数 4373字 语种 中文
DOI 10.15918/j.tbit1001-0645.2018.01.013
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 王向周 北京理工大学自动化学院 57 403 12.0 17.0
2 林英姿 美国东北大学工程学院 3 5 1.0 2.0
3 郑戍华 北京理工大学自动化学院 29 154 7.0 11.0
4 郭轶康 北京理工大学自动化学院 1 1 1.0 1.0
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  (10)
节点文献
引证文献  (1)
同被引文献  (11)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
脑机接口
半监督学习
多重自相关分析
支持向量机
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
北京理工大学学报
月刊
1001-0645
11-2596/T
大16开
北京海淀区中关村南大街5号
82-502
1956
chi
出版文献量(篇)
5642
总下载数(次)
13
总被引数(次)
57269
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导