基于置信系数的组合分类算法及其在脑电信号分类中的应用
在运动想象脑电实验中,通常对目标问题采用不同的特征提取及分类算法,然后选择一个最好的分类方案,但是,不同算法的错分样本并不完全重合,即存在互补信息.为了充分利用各种算法的互补信息,通常采用组合分类的思想.分量分类器的组合方式是组合分类器性能好坏的关键,本文利用训练样本的分类正确率及其概率分布,提出了一种基于置信系数的组合分类算法.仿真结果表明,本文提出的算法可以很好的利用分量分类器的互补信息,提高了分类正确率,并且在一定程度上兼顾了算法的时间开销.
脑电信号 特征提取 组合分类算法 脑机接口系统 置信系数
施锦河 沈继忠 计瑜
浙江大学电子电路与信息系统研究所 杭州 310027
国内会议
桂林
中文
248-254
2011-10-01（万方平台首次上网日期，不代表论文的发表时间）