换一批基于稀疏嵌入的多分类脑电信号分类方法研究
Research on multi-classification EEG signal classification method based on sparse embedding
摘要为解决运动想象脑电(electroencephalogram,EEG)信号多分类传输速率慢、准确率低的问题,本研究利用"一对多"滤波组共空间模式(one vs rest filter bank common spatial pattern,OVR-FBCSP)和稀疏嵌入(sparse embeddings,SE)提出了一种基于SE的多分类EEG信号分类方法.为降低多类任务特征提取的复杂度,提高分类效率,本方法首先采用OVR-FBCSP进行EEG信号特征提取;然后对其相应的标签矩阵进行低维嵌入,构建稀疏嵌入模型,分别计算训练和测试数据的嵌入矩阵;最后在嵌入空间中对训练和测试数据执行k最近邻(k-nearest neighbor,kNN)分类.本研究在BCI Competition IV-2a公开数据集进行了实验测试,并与其他分类方法进行了对比.实验结果表明,本研究方法拥有较高的分类准确率和较短的分析时间.
更多相关知识
关键词
运动想象稀疏嵌入一对多共空间模式k最近邻Motor imagerySparse embeddingOne vs rest common spatial patternK-nearest neighbor
分类号
R318（医用一般科学）
栏目名称
DOI
10.19529/j.cnki.1672-6278.2024.03.04
发布时间
2024-07-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山东省自然科学基金资助项目（ZR2022MF309）
山东省科技型中小企业创新能力提升工程项目（2022TSGC2554）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
