Chernof f加权分类器框架在运动想象脑-机接口中的应用
针对现有脑机接口(BCI)分类器与大脑认知过程结合不够紧密的问题,该文提出一种基于Chernoff加权的分类器集成框架方法,并用于同步运动想象脑机接口中.通过对训练数据进行统计分析,获得各时刻脑电信号(EEG)的统计特性,并建立基于大脑认知过程的高斯概率模型.然后利用Chernoff边界特性得到该概率模型的最小误差,并以此确定该时刻分类器的权重,通过对各时刻分类器的加权,实现同步脑机接口的信号分类.以脑机接口竞赛数据作为测试,并与线性判决分析、支持向量机和极限学习方法分别结合构成新的集成方法.由实验结果可知,加权集成框架方法的分类性能比原独立分类方法有显著提高.
脑机接口、运动想象、概率模型、Chernoff误差边界、模式分类
42
R741.044;TP391(神经病学与精神病学)
国家自然科学基金;国家社科基金;湖南省教育厅科学研究优秀青年项目;湖南省重点实验室开放研究基金项目;教育部人文社科基金
2020-03-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
488-494