具有在线自学习能力的脑电信号分类方法

• 作者: 刘庆江 常晓娟 李红宇 赵薇
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 自主学习 脑电图 识别 学习演算法
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 人工智能与识别技术
• 页码范围: 99-100,103
• 页数: 3页
• 分类号: TN911.7
• 语种: 中文

摘要

脑电信号具有时变、个体差异的特点,容易受到身体状态、情绪、位置等因素的影响,传统的BP网络分类器难以适应动态监测的要求.基于此,笔者提出了一种基于BP网络的BP AdaBoost基本网络分类器.首先,该分类器是在传统Ada在线自学习能力的脑电信号分类方法boost集成学习框架下由弱分类器形成的,其通过引入遗忘因子,改变初始样本容量来改进AdaBoost算法;其次,初始权值增强了其时间相关性,得到BP-AdaBoost分类器,并进一步借鉴半监督的思想,增加了基于K-近邻规则的自评价反馈环节,从而提高了捕获效果;最后,基于国际BCI竞赛数据集,利用Hilbert Huang变换提取脑电图特征.仿真结果表明,笔者提出的分类方法对时间和个体具有较好的适应性和鲁棒性,与传统的BP神经网络相比,分类精度约提高了23.42％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵薇		25	47	4.0	5.0
2	李红宇		21	68	4.0	8.0
3	刘庆江		6	23	2.0	4.0
4	常晓娟		10	14	3.0	3.0