基于CSP和ICA的多任務腦機接口分類方法比較研究.pdf_第1頁
已閱讀1頁，還剩65頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、特征提取和模式分類是BCI系統(tǒng)最重要的兩個環(huán)節(jié),直接關(guān)系到BCI系統(tǒng)的分類識別率和分類穩(wěn)健性。本文主要研究內(nèi)容包括兩種特征提取算法——共空間模式(Common Spatial Pattem,CSP)和獨立分量分析(Independent ComponentAnalysis,ICA),以及三種分類方法——Fisher判別分析FDA、支持向量機SVM以及KNN近鄰法。
　　 在兩分類任務的腦電信號特征提取方面,CSP的效果非常好,但

2、是在處理多分類數(shù)據(jù)時,必須將二進制的CSP算法擴展到多類條件。本文使用基于近似聯(lián)合對角化的多類CSP方法對腦電數(shù)據(jù)進行特征提取;為了比較特征提取算法的性能,本文還使用了一種經(jīng)典的特征提取算法——獨立分量分析來提取腦電信號的特征。然后使用三種分類算法,即Fisher判別分析、支持向量機SVM以及KNN近鄰法,對提取的腦電特征信號進行分類。
　　 本文使用5個受試者的多任務腦電數(shù)據(jù),對這兩種特征提取算法與這三種分類方法進行了仿真實驗

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)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。

評論

0/150

提交評論