典型文献
偏最小二乘回归模型在EEG特征选择的应用
文献摘要：
为了克服主成分分析(PCA)对共空间模式(CSP)提取脑电信号特征进行降维时,仅考虑主成分对输入变量的表征能力,而忽略了对输出变量进行解释的这一个缺点,提出偏最小二乘回归(PLS)进行降维,通过CSP对数据增强后的信号进行特征提取,采用PLS进行降维,将提取的主成分信息包含对因变量解释程度高的特征作为特征向量,使用PSO-SVM进行分类,用2005 BCI竞赛的数据集IIIa进行分类测试,结果得到3位被试的想象运动平均分类正确率91.71％,通过与CSP-LDS、WL-CSP和CSP等算法的比较,3位被试的平均分类正确率最高,验证了该算法的有效性.
文献关键词：
脑电信号;共空间模式(CSP);偏最小二乘回归(PLS);数据增强
中图分类号：
作者姓名：
刘彦俊;王力
作者机构：
广州大学 电子与通信工程学院,广州 510006
文献出处：
引用格式：
[1]刘彦俊;王力-.偏最小二乘回归模型在EEG特征选择的应用)[J].计算机工程与应用,2022(19):218-223
A类：
B类：
偏最小二乘回归模型,EEG,特征选择,共空间模式,CSP,脑电信号特征,表征能力,这一个,PLS,数据增强,分信,因变量,特征向量,PSO,BCI,IIIa,想象运动,平均分,LDS,WL
AB值：
0.320227
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。
