典型文献
运动想象脑电多视角深度森林解码算法
文献摘要：
针对运动想象脑电信号特征提取操作繁琐及解码精度低等问题,提出一种基于多视角深度森林的运动想象脑电解码算法.首先,通过子频带滤波及时间窗口划分对原始信号进行细粒度分析,生成空时频能量特征.然后,对上述空时频能量特征分别进行稀疏选择和时序扫描得到重要的浅层能量特征及多示例先验类别特征.继而,将上述两类特征进行融合构建运动想象脑电多视角特征集.最后,利用级联森林的逐层特征变换挖掘深层次的抽象特征进行脑电解码.根据脑机接口竞赛数据和自行采集的数据进行算法测试,并与单视角特征模型、传统共空间模式方法以及深度神经网络算法进行对比.在2个脑机接口竞赛数据集和1个真实数据集上分别取得了91.4％、75.2％和70.7％的最高平均分类准确率,结果表明该文所提多视角深度森林算法具有更优的分类识别准确率.
文献关键词：
运动想象脑电信号;解码算法;多视角;特征提取;深度森林
中图分类号：
作者姓名：
郑龙鑫;苗敏敏;徐宝国;胡文军
作者机构：
湖州师范学院信息工程学院,浙江湖州313000;浙江省现代农业资源智慧管理与应用研究重点实验室,浙江湖州313000;东南大学仪器科学与工程学院,江苏南京210096
文献出处：
引用格式：
[1]郑龙鑫;苗敏敏;徐宝国;胡文军-.运动想象脑电多视角深度森林解码算法)[J].中国医学物理学杂志,2022(09):1159-1166
A类：
B类：
解码算法,运动想象脑电信号,脑电信号特征,信号特征提取,脑电解码,频带,波及,时间窗口,细粒度,粒度分析,时频,能量特征,多示例,先验,类别特征,融合构建,多视角特征,征集,级联森林,逐层,特征变换,脑机接口,算法测试,单视,特征模型,统共,共空间模式,深度神经网络,神经网络算法,真实数据,高平,平均分,分类准确率,深度森林算法,分类识别,识别准确率
AB值：
0.338414
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。
