典型文献
融合注意力的多维特征图卷积运动想象分类
文献摘要：
运动想象(MI)作为脑机接口(BCI)的重要应用,是运动康复训练的重要支撑.由于脑电的电极分布并非天然的欧式空间,对运动想象进行准确分类具有很大的挑战.而且现有方法仅仅考虑了脑电信号(EEG)中某一维度或者某两维度的信息,无法全面捕获脑电信号在时、频、空三个维度存在的内在特征.同时,脑电信号各维度上的动态关联强度影响了分类的鲁棒性.针对上述问题,提出了一种新颖的融合注意力的多维特征图卷积网络(AMFGCN).首先,根据电极节点分布的非欧空间特性设计出图结构,充分表示电极间的空间相关性.其次,提出时-空、频-空的双分支框架,同时表示脑电信号在时域、频域和空间域上的信息.最后,通过融合注意力机制、图卷积和时间/频谱卷积从图表示中学习脑电信号的空间表示、时间依赖性和频率依赖性,并自适应捕获各维度上的动态关联强度.在四个公开脑机接口数据集上进行了实验,结果表明AMFGCN模型提高了分类性能,优于其他现有的运动想象分类方法.
文献关键词：
运动想象(MI);注意力机制;图卷积网络;多维特征;脑电信号(EEG)
中图分类号：
作者姓名：
李珍琦;王晶;贾子钰;林友芳
作者机构：
北京交通大学 计算机与信息技术学院,北京 100044;北京交通大学 交通数据分析与挖掘北京市重点实验室,北京 100044
文献出处：
引用格式：
[1]李珍琦;王晶;贾子钰;林友芳-.融合注意力的多维特征图卷积运动想象分类)[J].计算机科学与探索,2022(09):2050-2060
A类：
AMFGCN
B类：
多维特征,特征图,运动想象,MI,脑机接口,BCI,重要应用,运动康复训练,欧式空间,脑电信号,EEG,两维,内在特征,动态关联,强度影响,图卷积网络,空间特性,出图,图结构,空间相关性,双分支,频域,空间域,注意力机制,图表,时间依赖性,频率依赖,接口数据,分类性能,分类方法
AB值：
0.275894
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。
