换一批基于非凸log模型的脑电时-频-空特征选择方法
EEG time-frequency-spatial feature selection method based on non-convex log model
摘要针对运动想象脑电时-频-空特征选择问题,提出了基于非凸log模型的稀疏特征选择方法(LOG方法).首先,对原始脑电信号进行时-频分解,得到多个时-频段;其次,针对每个时-频段使用共空域模式(CSP)提取特征,得到时-频-空特征集合;最后,通过提出的基于log函数的非凸稀疏优化模型进行特征选择和分类,该模型可有效缓解L1范数正则化的有偏估计.为验证本方法的有效性,用3个公开的运动想象脑电数据集进行实验,相比现有的凸稀疏优化模型,非凸log模型取得了 82.5％的平均分类准确率.实验结果表明,LOG方法不仅分类准确率高,且模型具有较好的稳定性和鲁棒性.
更多相关知识
关键词
脑电解码运动想象时-频-空特征特征选择非凸模型EEG decodingmotor imagerytime-frequency-spatial featurefeature selectionnon-convex model
栏目名称
DOI
10.16725/j.1673-808X.2022298
发布时间
2024-11-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览9
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
