基于稀疏嵌入的多分类脑电信号分类方法研究
郑旭
王延平
高诺
山东建筑大学 信息与电气工程学院,济南 250101
摘要：为解决运动想象脑电(electroencephalogram,EEG)信号多分类传输速率慢、准确率低的问题,本研究利用"一对多"滤波组共空间模式(one vs rest filter bank common spatial pattern,OVR-FBCSP)和稀疏嵌入(sparse embeddings,SE)提出了一种基于SE的多分类EEG信号分类方法.为降低多类任务特征提取的复杂度,提高分类效率,本方法首先采用OVR-FBCSP进行EEG信号特征提取;然后对其相应的标签矩阵进行低维嵌入,构建稀疏嵌入模型,分别计算训练和测试数据的嵌入矩阵;最后在嵌入空间中对训练和测试数据执行k最近邻(k-nearest neighbor,kNN)分类.本研究在BCI Competition IV-2a公开数据集进行了实验测试,并与其他分类方法进行了对比.实验结果表明,本研究方法拥有较高的分类准确率和较短的分析时间.
关键词：运动想象稀疏嵌入一对多共空间模式k最近邻
分类号：R318(医用一般科学)
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工程项目(2022TSGC2554)
论文发表日期：2024-06-28
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：8( 200-206,231 )
英文信息