换一批基于CSP与卷积神经网络算法的多类运动想象脑电信号分类
Classification of EEG Signals Based on CSP and Convolution Neural Network Algorithm
摘要针对直接利用卷积神经网络(convolutional neural network,CNN)算法对多类运动想象脑电信号分类识别时,因样本量比较少,难以充分训练权值,导致分类效果较差的问题,结合一对多CSP算法与CNN算法对多类运动想象脑电信号进行特征提取与分类.首先,利用CSP算法对多类运动想象脑电信号进行特征提取,形成一维特征数据,作为CNN的输入样本;其次,对传统二维输入样本的CNN结构进行改造,使其适应一维数据的输入样本,对输入样本进行再次特征提取并分类;最后,使用BCI2005desc-Ⅲa的K3b数据进行算法验证;并对不同参数值的确定进行了讨论.算法验证结果表明,单独利用一对多CSP算法得到的分类正确率73％,单独使用CNN算法得到正确率为75％,新算法取得了91.46％的正确率,相比两种原始方法有较大提升.
更多相关知识
关键词
卷积神经网络公共空间模式脑电信号运动想象convolutional neural network(CNN)common spatial pattern(CSP)eegmotor imagery
分类号
R318.04（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1671-1815.2017.27.023
发布时间
2017-11-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省科技厅科技攻关计划项目（(162102310167)）
- 浏览4
- 被引38
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
