核张量子空间分解EEG特征提取方法研究

• 作者: 王柏娜 高煜妤
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: EEG数据 核张量 子空间 核空间
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 132-137,144
• 页数: 7页
• 分类号: TN911.7
• 字数: 4300字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1809-0239

摘要

针对共空间模式(Common Spatial Patterns,CSP)对源信号和记录的脑电信号之间严格的线性模式的假设关系,充分发挥张量在多维上同时处理的优势,研究了一种核张量子空间分解EEG特征提取方法.首先生成EEG数据的张量,利用带二次等式约束的最小二乘问题解决张量分解问题,并将张量扩展到子空间,减小计算的压力,最后推广到核空间,将数据投影到高维特征空间来增强辨别能力.实验数据采用2005年BCI竞赛III的数据集III_3a,实验结果表明,KTSD方法能够从多类运动想象任务的EEG数据中提取相应的特征,并得到较好分类结果和运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高煜妤	燕山大学里仁学院	16	24	3.0	4.0
2	王柏娜	燕山大学里仁学院	15	54	3.0	7.0