已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、空域共空間模式(CSP)是基于運動想象的腦電信號(EEG)模式識別中最有效、應用最廣泛的一種空域特征提取算法。然而CSP算法也有其不足之處，例如，CSP在大量樣本識別時效果良好，卻在小樣本識別時效果會變差;對于不同受試者，同類思維任務的腦電信號特征相似，CSP每次模式識別只訓練指定受試者數(shù)據(jù)，而不能學習其他受試者同類任務數(shù)據(jù)的特征;EEG信號容易受到干擾或者本身的奇異信號的影響，傳統(tǒng)CSP算法對這類EEG信號的模式識別效果較差,EEG信
2、號在不同時刻的特征是有差異的，而傳統(tǒng)CSP算法是時間全局性特征提取方法，不能提取局部時間上的內在判別信息。
為了克服CSP算法的這些不足點，本文主要研究以CSP算法為基礎的兩種不同的改進算法。第一種改進算法是為了解決小樣本的模式識別問題，這種算法引入了正則化判別分析方法和泛化思想，以兩個正則化參數(shù)分別控制數(shù)據(jù)的泛化能力和協(xié)方差矩陣的奇異性，使得數(shù)據(jù)的特征向量具有更高的可識別性，從而提高識別正確率，文中算法稱為不完全泛化學習
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 改進的SVM模式識別方法.pdf
- 運動想象腦機接口多模式識別方法與應用研究.pdf
- 基于腦影像數(shù)據(jù)的模式識別方法研究及應用.pdf
- 基于磁共振影像腦疾病分類的模式識別方法研究.pdf
- 基于群集智能模式識別方法的研究.pdf
- 基于支持向量機的氣體傳感陣列模式識別方法研究.pdf
- 基于WAMS的低頻振蕩模式識別方法研究.pdf
- 基于鐵譜的磨損模式識別方法研究.pdf
- 運動想象腦電處理及其模式識別方法研究.pdf
- Java藍圖模式識別方法的研究.pdf
- 基于多元圖特征基元的模式識別方法研究
- 基于貝葉斯網絡的模式識別方法研究.pdf
- 基于磨粒分析的磨損模式識別方法研究.pdf
- IDS中模糊模式識別方法的研究.pdf
- 基于支撐矢量機的模式識別算法的研究.pdf
- 基于SVM模式識別方法的橋梁頻域損傷識別.pdf
- 腦機接口信號的多模式識別融合技術研究.pdf
- 基于神經網絡的故障模式識別方法的研究.pdf
- 基于EEMD和矩陣束算法的低頻振蕩模式識別方法.pdf
- 動態(tài)模式識別方法研究及應用.pdf
評論
0/150
提交評論