Bagging RCSP脑电特征提取算法
正则化共空间模式(Regularized common spatial pattern,RCSP)解决了共空间模式(Common spatial pattern,CSP)对噪声敏感的问题,但它在小样本脑电数据集中的表现并不理想,针对上述问题,本文提出了Bagging RCSP (BRCSP)算法,通过Bagging方法重复选取训练数据来构造一个个包,并提取RCSP特征,再利用线性判别分析(Linear discriminantanalysis,LDA)将特征向量映射到低维空间中,最后采用最近邻(Nearest neighborhood classifier,NNC)算法判定分类结果,线下实验证明,相比较聚合正则化共空间模式(RCSP with aggregation,RCSP-A),BRCSP的平均准确率提高了2.92%,且方差更小,鲁棒性更好.最后,在智能轮椅平台上,10位受试者利用BRCSP算法实现左右手运动想象脑电信号控制轮椅完成"8"字形路径的实验,证明了该算法在脑电信号特征提取中的有效性.
脑电信号、特征提取、RCSP-A、Bagging RCSP
43
TP3;R74
重庆市科学技术委员会项目cstc2015jcyjBX0066, cstc2017jcyjAX0033;重庆市教委科学技术项目KJ1600428资助 Supported by Chongqing Science and Technology CommissionProjectcstc2015jcyjBX0066, cstc2017jcyjAX0033;Chong-qing Municipal Education CommissionKJ1600428
2018-02-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
2044-2050