基于低秩权重分解的EEG-fNIRS特征融合方法
针对脑机接口存在的分类精度低、系统稳定性较差等问题,提出了一种基于低秩权重分解的EEG-fNIRS特征融合方法.该方法使用卷积神经网络对EEG和fNIRS信号进行特征提取,然后使用低秩权重分解算法进行特征融合,最后将融合得到的特征用于多模态脑机接口的模式分类任务.该方法在心算和运动想象两项分类任务上的准确率分别为91.3%和75.4%,与提供数据集的原文相比,提高了3.2%和1.2%.实验结果表明,所提方法能够有效融合两个模态的信息,增强特征的表达能力,进而提高模式分类的准确率.
多模态脑机接口、脑电图、近红外光谱、特征融合、模式分类
19
TP391(计算技术、计算机技术)
2023-09-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-26