已閱讀1頁，還剩63頁未讀， 繼續(xù)免費(fèi)閱讀
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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、空域共空間模式(CSP)是基于運(yùn)動想象的腦電信號(EEG)模式識別中最有效、應(yīng)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(wù)的腦電信號特征相似，CSP每次模式識別只訓(xùn)練指定受試者數(shù)據(jù)，而不能學(xué)習(xí)其他受試者同類任務(wù)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(nèi)在判別信息。
為了克服CSP算法的這些不足點(diǎn)，本文主要研究以CSP算法為基礎(chǔ)的兩種不同的改進(jìn)算法。第一種改進(jìn)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(xué)習(xí)
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(yù)覽，若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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(jìn)的SVM模式識別方法.pdf
- 運(yùn)動想象腦機(jī)接口多模式識別方法與應(yīng)用研究.pdf
- 基于腦影像數(shù)據(jù)的模式識別方法研究及應(yīng)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
- 基于支持向量機(jī)的氣體傳感陣列模式識別方法研究.pdf
- 運(yùn)動想象腦電處理及其模式識別方法研究.pdf
- 基于多元圖特征基元的模式識別方法研究
- Java藍(lán)圖模式識別方法的研究.pdf
- 基于貝葉斯網(wǎng)絡(luò)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(jī)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
- 基于神經(jīng)網(wǎng)絡(luò)的故障模式識別方法的研究.pdf
- 腦機(jī)接口信號的多模式識別融合技術(shù)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(yīng)用.pdf
評論
0/150
提交評論