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

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、特征提取和模式分類是BCI系統(tǒng)最重要的兩個(gè)環(huán)節(jié),直接關(guān)系到BCI系統(tǒng)的分類識(shí)別率和分類穩(wěn)健性。本文主要研究?jī)?nèi)容包括兩種特征提取算法——共空間模式(Common Spatial Pattem,CSP)和獨(dú)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(jī)SVM以及KNN近鄰法。
　　 在兩分類任務(wù)的腦電信號(hào)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(shí),必須將二進(jìn)制的CSP算法擴(kuò)展到多類條件。本文使用基于近似聯(lián)合對(duì)角化的多類CSP方法對(duì)腦電數(shù)據(jù)進(jìn)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(dú)立分量分析來(lái)提取腦電信號(hào)的特征。然后使用三種分類算法,即Fisher判別分析、支持向量機(jī)SVM以及KNN近鄰法,對(duì)提取的腦電特征信號(hào)進(jìn)行分類。
　　 本文使用5個(gè)受試者的多任務(wù)腦電數(shù)據(jù),對(duì)這兩種特征提取算法與這三種分類方法進(jìn)行了仿真實(shí)驗(yàn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論