典型文献
脑电信号多维特征融合与分类算法研究
文献摘要：
针对目前运动想象脑电信号特征提取单一,分类识别准确率低等现象,结合卷积神经网络分类器,提出了一种多维度特征加权融合的特征融合算法来提高运动想象脑电识别率.对预处理后的脑电信号进行小波包变换,提取其共空间特征、能量特征、边际谱熵特征以及非线性动力学特征,然后加权融合,使用卷积神经网络分类器分类.为验证算法的合理性,使用BCI-IV Dataset 2a数据集对提出的特征融合算法进行验证分析,结果表明,所提出的加权特征融合算法结合CNN分类器可以有效提高运动想象识别准确率.实验中,9位志愿者平均分类准确率达到75.88％,平均Kappa系数为0.70.
文献关键词：
脑机接口;运动想象;卷积神经网络;小波包变换;特征融合
中图分类号：
作者姓名：
朱永清;王文格
作者机构：
湖南大学 机械与运载工程学院,长沙 410006
文献出处：
引用格式：
[1]朱永清;王文格-.脑电信号多维特征融合与分类算法研究)[J].计算机工程与应用,2022(13):146-153
A类：
B类：
多维特征融合,特征融合与分类,分类算法,算法研究,运动想象脑电信号,脑电信号特征,信号特征提取,分类识别,识别准确率,神经网络分类器,多维度特征,特征加权,加权融合,融合算法,识别率,小波包变换,空间特征,能量特征,边际谱,谱熵,熵特征,非线性动力学特征,BCI,IV,Dataset,2a,验证分析,平均分,分类准确率,Kappa,脑机接口
AB值：
0.337867
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。
