基于黎曼空间的运动想象脑电信号特征迁移学习算法研究
高诺
王蕴辉
山东建筑大学 信息与电气工程学院,济南 250101
摘要：由于脑电信号具有低信噪比、非平稳等特点,传统脑机接口需对用户执行长时间的校准训练,才能建立可靠、准确的分类模型.针对当前迁移学习在脑电信号上分类准确率低的问题,本研究提出了基于黎曼空间特征迁移学习(Riemannian space feature transfer learning,RFTL)的运动想象脑电信号分类算法.该算法首先在黎曼空间对源域和目标域数据进行分布对齐后,利用联合分布适配减少不同域间的数据分布差异,构建适用于目标域任务的域不变分类器模型.实验结果表明,RFTL算法可有效解决跨域分布的不一致性,显著提高运动想象脑电信号跨对象的识别准确率,改善脑机接口研究中的通用性问题.
关键词：脑机接口运动想象迁移学习黎曼空间联合分布适配
分类号：R318(医用一般科学)TN911.7(通信)TP181(自动化基础理论)
资助基金：山东省自然科学基金资助项目(ZR2022MF309)山东省科技型中小企业创新能力提升项目(2022TSGC2554)
论文发表日期：2023-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 174-180 )
英文信息