您当前的位置:
首页 > 文献资料
所属专业:
互信息(MI)文献资料
-
基于Adaboost技术的大脑运动意识任务分类
本文提出了应用机器学习技术Adaboost算法与Fisher判别式分析作为基本分类器相结合的方法,实现大脑想象左右手运动意识任务的分类.利用Morlet小波滤波方法提取优化的运动相关脑电特征,对两组实验数据4个受试者运动相关脑电模式进行分类,平均大分类正确率达到88.11%.通过大分类正确率,大互信息等评价指标比较,验证了Adaboost技术在改善大脑运动意识任务分类性能的有效性,从而为脑机接口系统应用中大脑运动意识任务分类提供了新的思路.
关键词: Adaboost ERD/ERS 特征提取 Morlet小波滤波 互信息(MI) -
基于脑电复杂度的意识任务的特征提取与分类
本研究提出了利用事件相关脑电复杂度提取大脑运动意识特征,应用Mahalanobis距离判别式分析法,对人脑想象左右手运动任务进行分类,获得了满意的结果.对受试者想象左右手运动期间在大脑初级感觉运动皮层区记录的脑电信号采用复杂度分析方法量化了事件相关去同步(ERD)和事件相关同步(ERS)时程,结果表明EEG复杂度特征较好反映了ERD/ERS变化时程.后对测试数据进行分类,大分类正确率达到86.43%,通过大分类正确率,大信噪比,大互信息等评价指标比较,验证了该方法的有效性,从而为大脑运动意识任务的特征提取及分类提供了新思路.