仪器仪表学报
儀器儀錶學報
의기의표학보
Chinese Journal of Scientific Instrument
2015年
8期
1831-1837
,共7页
脑机接口%特征融合%通道选择%特征选择%基于稀疏组lasso的logistic回归%块坐标下降
腦機接口%特徵融閤%通道選擇%特徵選擇%基于稀疏組lasso的logistic迴歸%塊坐標下降
뇌궤접구%특정융합%통도선택%특정선택%기우희소조lasso적logistic회귀%괴좌표하강
brain-computer interface(BCI)%feature fusion%channel selection%feature selection%sparse group lasso based logistic regression%blockwise coordinate descent
脑电信号(EEG)特征提取和分类是脑机接口(BCI)系统的核心问题之一.由于BCI系统中EEG信号多通道采样和特征向量的高维性,有效的特征选择算法已经成为研究中不可分割的一部分.针对EEG特征选择问题采用一种新方法:基于封装式稀疏组lasso的EEG融合特征的同时通道和特征选择方法.实验中将该方法与现有的通道选择和特征选择方法进行比较,结果表明,该方法更适用于高维融合特征的最优特征子集选择问题,且该算法稳定、时间成本低.此外,在保证错误率相当或较低的情况下,该方法能够同时实现通道和特征选择.国际BCI竞赛VV的两类运动想象信号的测试错误率为15.28％.
腦電信號(EEG)特徵提取和分類是腦機接口(BCI)繫統的覈心問題之一.由于BCI繫統中EEG信號多通道採樣和特徵嚮量的高維性,有效的特徵選擇算法已經成為研究中不可分割的一部分.針對EEG特徵選擇問題採用一種新方法:基于封裝式稀疏組lasso的EEG融閤特徵的同時通道和特徵選擇方法.實驗中將該方法與現有的通道選擇和特徵選擇方法進行比較,結果錶明,該方法更適用于高維融閤特徵的最優特徵子集選擇問題,且該算法穩定、時間成本低.此外,在保證錯誤率相噹或較低的情況下,該方法能夠同時實現通道和特徵選擇.國際BCI競賽VV的兩類運動想象信號的測試錯誤率為15.28％.
뇌전신호(EEG)특정제취화분류시뇌궤접구(BCI)계통적핵심문제지일.유우BCI계통중EEG신호다통도채양화특정향량적고유성,유효적특정선택산법이경성위연구중불가분할적일부분.침대EEG특정선택문제채용일충신방법:기우봉장식희소조lasso적EEG융합특정적동시통도화특정선택방법.실험중장해방법여현유적통도선택화특정선택방법진행비교,결과표명,해방법경괄용우고유융합특정적최우특정자집선택문제,차해산법은정、시간성본저.차외,재보증착오솔상당혹교저적정황하,해방법능구동시실현통도화특정선택.국제BCI경새VV적량류운동상상신호적측시착오솔위15.28％.
