面向运动想象脑-机接口的样本筛选在线分类器更新策略研究

摘要：

目的 优化基于脑电信号的运动想象脑-机接口的系统分类性能,通过短时在线训练,在系统分类器中构建有效的大脑想象意图识别模型,增强系统实用性.方法 提出基于样本筛选的在线分类器更新策略,对10名健康受试者进行了基于便携平台的MI-BCI训练建模实验,分别采用两种带有样本选择的更新策略(样本筛选模型更新及顺序模型更新)以及一种无样本筛选的模型更新策略完成模型建立和更新,并进行分类效果对比.结果 带有样本选择的模型更新策略均可达到92％以上的分类正确率,较无样本筛选的模型提升30％以上,并在特征层面也体现出了优越性.结论 在线筛选建模样本数据不仅有利于提高模型识别正确率,同时能够缩短建模训练时间,使分类模型随数据的积累不断优化,提高MI-BCI系统的实用性.

关键词：运动想象、脑机接口、样本筛选、在线模型更新

所属期刊栏目：31

分类号：R318(医用一般科学)

在线出版日期：2019-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-48