换一批基于独立成分分析和流形学习的眼电伪差去除
Real-Time Removal of Ocular Artifacts from EEG Signals Using ICA and Manifold Algorithm
摘要针对眼电伪差严重干扰脑电(EEG)信号的理解和分析的问题,提出了一种新的方法用于实时地去除脑电中的眼电伪差.该方法使用独立成分分析(ICA)分解EEG信号,提取独立成分的地形图和功率谱作为特征,并采用基于模板的Isomap算法降低特征的维数.将新的特征样本送到分类器中以识别眼电伪差独立分量,几个典型分类器的分类结果显示,基于模板的Isomap算法结合使用最近邻算法进行分类时,识别伪差的正确率最高.实验结果表明,提出的方法在有效去除眼电伪差的同时,很好地保留了大脑神经信号,也证明了新的Isomap算法用于眼电伪差特征的降维的有效性.
更多相关知识
关键词
流形学习Isomap算法脑电独立成分分析主成分分析manifold learningIsomap algorithmelectroencephalogramdependent component a-nalysisprincipal component analysis
分类号
R318（医用一般科学）
发布时间
2010-04-19（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（30870654）
- 浏览5
- 被引13
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
