典型文献
基于LSTM-Attention的P300事件相关电位识别分类研究
文献摘要：
针对脑电信号中P300事件相关电位识别分类准确率较低的问题,文中提出了一种基于LSTM-Attention网络的P300事件相关电位的识别分类方法.在数据处理阶段使用SMOTE对脑电信号中P300电位数据进行数据增广,并基于DBSCAN聚类算法剔除合成数据中的无关噪声.在识别分类阶段,通过在LSTM网络后加入注意力机制和Drop-out层搭建LSTM-Attention分类识别网络,并使用Sigmoid函数输出P300事件相关电位的识别分类结果.实验结果表明,文中方法能够有效对脑电信号中的P300事件相关电位进行识别分类,准确率和Dice系数均值分别达到了91.9％和91.7％,与传统方法相比准确性更高、泛化性能更强.
文献关键词：
P300事件相关电位;脑电信号;长短期记忆网络;注意力机制;数据处理;合成上采样;密度聚类;识别分类
中图分类号：
作者姓名：
王夏霖;阚秀;范艺璇
作者机构：
上海工程技术大学 电子电气工程学院,上海201620
文献出处：
引用格式：
[1]王夏霖;阚秀;范艺璇-.基于LSTM-Attention的P300事件相关电位识别分类研究)[J].电子科技,2022(12):10-16
A类：
合成上采样
B类：
Attention,P300,事件相关电位,识别分类,分类研究,脑电信号,分类准确率,分类方法,SMOTE,数据增广,DBSCAN,聚类算法,合成数据,注意力机制,Drop,out,分类识别,识别网络,Sigmoid,中方,Dice,泛化性能,长短期记忆网络,密度聚类
AB值：
0.278536
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。
