-
公开(公告)号：CN103345640B
公开(公告)日：2016-08-10
申请号：CN201310273395.8
申请日：2013-07-02
Applicant: 北京工业大学
Abstract: 本发明属于模式识别领域，公开了一种面向持续想象脑电信号的分类策略。首先，假设不同想象任务之间存在转换点，转换点处样本间的欧几里得距离要大于转换点之间的样本间距离，通过设定样本间距离阈值检测出转换点；其次，认为持续想象同一任务时，会因注意力涣散、疲倦等因素导致信号受噪声污染，该策略加入样本纯化思想，通过设定样本间距离范围，从与任务对应的所有样本中筛选出部分样本，并返回这部分样本中的大多数类别作为该任务所有样本的类别。本发明通过充分考虑相邻样本之间的联系，提高了整体样本的识别率，非常适合对持续的脑电信号进行离线分析。
-
公开(公告)号：CN103413050B
公开(公告)日：2016-08-24
申请号：CN201310364359.2
申请日：2013-08-20
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 本发明属于模式识别和脑?机接口领域，公开了一种基于极速学习机的运动想象脑电信号投票策略分类方法。包括：将原始运动想象脑电信号分为S段子信号；对每一段子信号通过主成分分析方法进行降维；将降维后的特征向量通过线性判别分析方法进行二次降维；对于S段子信号进行同样处理，最终得到S个K?1维的特征向量，将S个K?1维的特征向量进行组合，得到最终为S*(K?1)维的特征；将S*(K?1)维特征送入多个ELM分类器，利用投票分类策略得到最终分类结果。本发明提出了一种基于ELM的投票分类策略，与传统的多次ELM平均正确率方案相比，在不影响其训练分类低耗时的情况下提高了其分类正确率。
-
公开(公告)号：CN103413050A
公开(公告)日：2013-11-27
申请号：CN201310364359.2
申请日：2013-08-20
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 本发明属于模式识别和脑-机接口领域，公开了一种基于极速学习机的运动想象脑电信号投票策略分类方法。包括：将原始运动想象脑电信号分为S段子信号；对每一段子信号通过主成分分析方法进行降维；将降维后的特征向量通过线性判别分析方法进行二次降维；对于S段子信号进行同样处理，最终得到S个K-1维的特征向量，将S个K-1维的特征向量进行组合，得到最终为S*(K-1)维的特征；将S*(K-1)维特征送入多个ELM分类器，利用投票分类策略得到最终分类结果。本发明提出了一种基于ELM的投票分类策略，与传统的多次ELM平均正确率方案相比，在不影响其训练分类低耗时的情况下提高了其分类正确率。
-
公开(公告)号：CN103345640A
公开(公告)日：2013-10-09
申请号：CN201310273395.8
申请日：2013-07-02
Applicant: 北京工业大学
Abstract: 本发明属于模式识别领域，公开了一种面向持续想象脑电信号的分类方法。首先，假设不同想象任务之间存在转换点，转换点处样本间的欧几里得距离要大于转换点之间的样本间距离，通过设定样本间距离阈值检测出转换点；其次，认为持续想象同一任务时，会因注意力涣散、疲倦等因素导致信号受噪声污染，该策略加入样本纯化思想，通过设定样本间距离范围，从与任务对应的所有样本中筛选出部分样本，并返回这部分样本中的大多数类别作为该任务所有样本的类别。本发明通过充分考虑相邻样本之间的联系，提高了整体样本的识别率，非常适合对持续的脑电信号进行离线分析。
-
-
-
Search Results
4
records
(took 0.014 seconds)
