换一批应用生长、分级的自组织映射模型进行意识任务分类
GROWING HIERARCHICAL SELF-ORGANIZING MAP MODELS FOR MENTAL TASK CLASSIFICATION
摘要提出一种使用生长、分级的自组织映射(growing hierarchical self-organizing map,GHSOM)模型进行基于EEG信号的意识任务分类来实现脑机接口技术的方法.GHSOM模型是自组织映射(self-organizing map,SOM)的一种变体,由多层的SOM组成,具有一定的分级结构,能够表达数据中不同层次的信息.同时研究了使用平均量化误差(mean quantization error,mqe)和量化误差(quantization error,qe)两种方法实现的GHSOM模型对意识任务分类的作用.结果表明,GHSOM模型对于意识任务的可分性能够提供可视化的信息,并且发现使用量化误差方法实现的GHSOM模型提供较多的数据信息和较高的分类精度.使用GHSOM模型进行了5类意识任务的分类,平均分类精度可达80%.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3321/j.issn:1000-6737.2005.06.008
发布时间
2006-03-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国科学院项目（非规范项目）（60271025）
陕西省科技计划（2003K10-G24）
- 浏览106
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
