典型文献
基于线性判别分析的决策融合脑电意识动态分类
文献摘要：
脑电信号的识别与分类是脑机接口技术的热点研究问题,单一分类器不能很好利用特征以及分类器的适应性,导致识别的准确率很难进一步提高,基于线性判别分析的分类决策级融合策略,可用于提高脑-机接口系统的分类准确率.首先,通过分离出两种分类器的假性试验特征,从这两种方法中选择更有可能正确决策提高分类准确性;其次为了测量每个决策的不确定性,使用与所对应分类器的最大和第二大相关系数提取特征向量.基于这一思想,提出了一种新的决策选择器,该方法通过整合两种基于线性判别分析的算法选择更有可能是准确的决策,从而达到提高脑电信号分类准确度.实验结果表明,该方法通过与精度相近的算法相结合在运动想象数据分类上获得了较好的分类准确率.
文献关键词：
计量学;脑-机接口;脑电;决策融合;决策选择器;运动想象;线性判别分析
中图分类号：
作者姓名：
付荣荣;李朋;刘冲;张扬
作者机构：
燕山大学电气工程学院,河北秦皇岛066004;东北大学机械工程与自动化学院,辽宁沈阳110819;沈阳机床(集团)有限责任公司设计研究院,辽宁沈阳110142
文献出处：
引用格式：
[1]付荣荣;李朋;刘冲;张扬-.基于线性判别分析的决策融合脑电意识动态分类)[J].计量学报,2022(05):688-695
A类：
决策选择器
B类：
线性判别分析,决策融合,脑电意识,动态分类,识别与分类,脑机接口技术,热点研究,研究问题,分类器,难进,分类决策,决策级融合,融合策略,分类准确率,假性,分类准确性,提取特征,特征向量,算法选择,脑电信号分类,运动想象,象数,数据分类
AB值：
0.320009
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。
