换一批基于Jensen熵的运动想象脑电信号稳态子空间分析
Finding stationary subspaces in motor imagery EEG signal based on Jensen-Shannon divergence
摘要目的 虽然稳态子空间分析(stationary subspace analysis,SSA)算法在脑电研究领域取得了一定的成效,但目前该算法还不够完善,脑电数据分类误差还比较大,因此要想更好地研究脑电信号,就必须进一步加强算法优化,减少分类误差.本文提出了一种基于Jensen熵(Jensen-Shannon divergence,JSD)的稳态子空间分析算法,并将改进后的算法应用到二类和四类运动想象脑电信号中.方法 将JSD代替原SSA算法中的KL散度(Kullback-Leibler divergence,KLD),对改进后的算法(以下简称为JSSA算法)进行模拟仿真,然后将SSA算法和JSSA算法应用到二类和四类运动想象脑电信号中,对Graz2003和Graz2008数据集进行分类提取,并用t检验方法考量SSA算法和JSSA算法所得到的分类准确率是否有显著提高.结果 相比于普通算法,SSA算法可以提高运动想象脑电数据的分类准确率,而且基于JSSA算法比基于SSA算法能使运动想象脑电信号分类效果更加准确.结论 基于Jensen熵的运动想象脑电信号稳态子空间分析算法相比于SSA算法准确率更好,从而可以使运动想象脑电分类准确率更高.
更多相关知识
关键词
稳态子空间分析脑电信号Jensen熵运动想象KL散度stationary subspace analysisEEGJensen-Shannon divergencemotor imageryKullback-Leibler divergence
分类号
R318.04（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1002-3208.2017.02.08
发布时间
2017-06-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61271082）
国家自然科学基金（61401518）
江苏省重点研发计划（BE2015700）
江苏省自然科学基金（BK20141432）
南京军区南京总医院项目（2014019）
南京市医疗卫生科技项目（201503009）
中央高校基本科研业务费专项中国药科大学项目（FY2014LX0039）
- 浏览61
- 被引0
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
