机构名称：
¥ 1.0
摘要 - 脑计算机界面（BCI）旨在建立和改善人类和计算机的相互作用。人们对设计新的硬件设备的兴趣越来越多，以通过各种技术（例如湿和干脑电图（EEG）和功能性的近边缘光谱（FNIRS）设备来促进大脑信号的收集。机器学习方法的有前途的养育吸引了研究人员将这些方法应用于其数据。但是，由于其针对特定数据集的性能较低，因此可以简单地忽略某些方法。本文显示了相对简单但功能强大的功能选择/排名方法如何应用于语音图像数据集并产生显着的结果。为此，我们介绍了两种方法：水平和垂直设置，以对语音图像BCI数据集使用任何特征选择和排名方法。我们的主要目标是提高支持向量机，k -neart邻居，决策树，线性判别分析和长期短期记忆复发的神经网络分类器的分类精度。我们的实验结果表明，使用一小部分通道，我们可以保留，在大多数情况下，无论分类器如何，我们都可以改善所得的分类精度。
重新访问功能选择方法到语音图像BCI数据集的应用
主要关键词
相关文件推荐
