为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成...为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成分分析的排序算法CPSorting(covariance and principal component sorting),并研究了运动想象脑电信号MI(motor imagery)中导联的排序情况以及排序靠前的导联对分类的贡献。利用公共空间模式算法对CPSorting排序后导联的数据提取特征,再分别应用支持向量机SVM和K近邻算法KNN进行分类。实验结果表明了该排序算法能有效地对基于运动想象脑电信号的导联进行排序。展开更多
文摘为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成分分析的排序算法CPSorting(covariance and principal component sorting),并研究了运动想象脑电信号MI(motor imagery)中导联的排序情况以及排序靠前的导联对分类的贡献。利用公共空间模式算法对CPSorting排序后导联的数据提取特征,再分别应用支持向量机SVM和K近邻算法KNN进行分类。实验结果表明了该排序算法能有效地对基于运动想象脑电信号的导联进行排序。