组LASSO罚多变量自回归模型脑电特征分工类

• 作者: 党雪 孙梦然 杨倩 王凤嫔 王金甲
• 来源期刊: 高技术通讯
• 关键词: 脑机接口(BCI) 脑电信号(EEG) 特征提取 多变量自回归(MVAR)模型 正则化 组LASSO
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 1073-1081
• 页数: 9页
• 字数: 5321字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.11.003

摘要

自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法.AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题.为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类.实验结果表明,组LASSO罚MVAR模型的分类正确率达93％,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金甲	燕山大学信息科学与工程学院	62	399	9.0	18.0
2	杨倩	燕山大学信息科学与工程学院	4	1	1.0	1.0
3	孙梦然	燕山大学信息科学与工程学院	2	2	1.0	1.0
4	党雪		1	1	1.0	1.0
5	王凤嫔		1	1	1.0	1.0