典型文献
基于混合特征选择的脑电解码方法
文献摘要：
运动想象脑电是一种多通道高维信号,特征选择可以降低特征维数,选择更具判别性的特征,从而有效提高脑电解码的性能.现有的特征选择方法主要包括过滤式、包裹式和嵌入式方法,这3类方法各有优缺点.为了综合利用各类方法的优势,提出2种混合特征选择方法.第1种方法,使用最小绝对值收缩和选择算子(LASSO)进行特征选择,得到LASSO模型的权重之后,再设定一系列权重阈值进行二次特征筛选.第2种方法,使用Fisher分数对特征进行评分,然后设定一系列权重阈值进行二次特征筛选.使用Fisher线性判别分析(FLDA)对2种方法选择的特征子集进行分类.在2组脑机接口(BCI)竞赛数据集和1组实验室自采集数据集上进行实验,最高平均分类准确率分别为77.47％、76.11％、71.30％.实验结果表明,所提出的方法其分类性能优于现有的特征选择方法,而且特征选择时间也具有较大优势.
文献关键词：
运动想象;脑电;特征选择
中图分类号：
作者姓名：
莫云
作者机构：
桂林航天工业学院电子信息与自动化学院,广西 桂林 541004
文献出处：
引用格式：
[1]莫云-.基于混合特征选择的脑电解码方法)[J].计算机与现代化,2022(04):92-96,102
A类：
B类：
混合特征,特征选择,脑电解码,运动想象脑电,多通道,高维信号,判别性,选择方法,选择算子,LASSO,特征筛选,Fisher,线性判别分析,FLDA,方法选择,特征子集,脑机接口,BCI,采集数据,高平,平均分,分类准确率,分类性能,择时
AB值：
0.370256
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
