基于主轴动态核聚类的运动想像脑电信号识别
针对BCI系统中分类精度和分类速度的设计需要,提出了一种基于深度自编码降维的主轴动态核聚类分类方法.首先,采用共空间模式算法对运动想像脑电信号进行特征提取,得到6维的特征向量;然后,为了进一步降低特征向量之间的相关性和计算的复杂度,引入深度自编码降维方法将该特征向量降为2维;最后,设计了基于主轴核函数的动态聚类分类器,对BCI竞赛2008数据集Datasetl中两类模式的脑电信号进行分类,平均识别正确率达到98.29％.该方法不仅能取得较高的分类正确率,而且能降低计算复杂度,可用于BCI系统的实时控制.
运动想像 脑电信号 模式识别 主轴动态核聚类算法
佘青山 昌凤玲 高发荣 罗志增
杭州电子科技大学智能控制与机器人研究所,浙江 杭州 310018
国内会议
长沙
中文
95-98
2013-11-01（万方平台首次上网日期，不代表论文的发表时间）