首页 > 文献资料
-
共空域模式方法在多类别分类中的应用
近年来脑机接口(BCI)研究已经逐渐从两类的模式识别发展为多类的模式识别.在两类别的BCI中,共空域模式(CSP)算法已经被证明是十分有效的方法.本研究对CSP算法进行扩展,使其适用于多类别分类.采用"一对一(one-to-one)"的CSP策略,对四类模式的脑电信号进行分类.该方法数据用于BCI竞赛2008的数据集IIa,获得第2名,证明了该策略对于多类别分类问题的有效性.
-
基于CSP算法与小波包分析方法的运动想象脑电信号特征提取性能的比较
运动想象脑电特征快速准确提取是脑-机接口技术研究的重要问题.本研究分别讨论了共同空间模式(common spatial pattern, CSP)与小波包分析关于左右手运动想象特征提取的原理,并对两种方法进行了比较.对于GRAZ大学提供的运动想象脑电数据,使用CSP 与支持向量机(support vector machine, SVM)结合的分类正确率高为85.5%;使用小波包分析与SVM结合的分类正确率高为99%.同时对于本实验室采用Emotiv epoc+ 系统采集的运动想象脑电数据,利用小波包分析与 SVM结合的分类正确率也保持在98%以上.实验结果表明,相较于CSP算法,小波包分析对于运动想象特征提取的效果更好.
-
基于改进型模糊聚类的神经元锋电位的分类
本研究提出减法聚类和模糊聚类算法相结合的改进型模糊聚类锋电位分类方法。该方法利用减法聚类算法快速得出聚类中心的个数及位置,然后将此聚类中心作为初始值应用于模糊聚类算法。结果表明,该方法降低了模糊聚类算法对初始聚类中心的依赖,节约了模糊聚类算法层层迭代的运算时间,提高了算法运行效率,同时也提高了分类的正确率,特别是在信噪比低于-30db时,对分类结果准确率的改善更为明显。此算法是实现锋电位分类的理想选择。
-
脑机接口技术中的认知任务
考察了脑机接口技术中认知任务的使用.BCI 研究中,使用自主或自动的大脑活动存在着争议和不同的研究方向.在BCI 系统中,一些被试无法通过运动想象任务来操控自己的大脑信号.被试的认知负载,情绪,疲劳也会对BCI 产生影响.