基于多域特征与随机子空间集成的脑电分类

• 作者: 孙开伟 张博宪 王进 米建勋 邓欣 龙灿
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 脑电信号 运动想象 多域特征 集成学习 随机子空间
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 仿真模型/系统置信度评估技术
• 页码范围: 1787-1798
• 页数: 12页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.19-0038

摘要

针对脑机接口(Brain-Computer Interface,BCI)中脑电信号预处理、特征提取、分类识别等过程,提出一种基于多域特征的随机于空间集成方法实现运动想象脑电分类.该方法的基本思想是通过事件相关同步/事件相关去同步特性分析,提取出最佳时频段的多域特征作为特征向量,结合交叉验证自适应地选择特征随机子空间的集成规模,集成线性判别分析分类器实现脑电信号分类.实验结果表明,多域特征和随机子空间集成分类正确率可达90.71％、Kappa系数可达0.63,均优于BCI竞赛第一名成绩,从而证明了该算法在脑电分类中的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王进	重庆邮电大学计算机科	50	202	8.0	12.0
2	邓欣	重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室	21	58	4.0	6.0
3	孙开伟	重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室	10	38	3.0	6.0
4	龙灿	重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室	4	10	2.0	3.0
5	米建勋	重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室	4	2	1.0	1.0
6	张博宪	重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室	1	0	0.0	0.0