Loading...
机构名称:
¥ 1.0

背景是大脑计算机界面(BCI)分类的第一代多通道脑电图(EEG)信号,通过优化的空间滤波器增强。第二代基于直接向前算法(例如最小距离至riemannian-mean)(MDRM)的直接算法,直接根据EEG信号估算了Covari-Ance矩阵。分类结果差异很大,具体取决于所选的riemannian距离或分歧,其定义和参考文献分布在广泛的数学上。方法本文审查了所有Riemannian距离和分歧,以处理协方差,并具有与BCI约束兼容的实现。使用不同指标的影响对稳态的视觉诱发电势(SSVEP)数据集进行了评估,从而评估了类别和clasifitation精度的中心。结果和结论Riemannian方法具有嵌入至关重要的特性来处理脑电图数据。Riemannian课程中心的表现要优于OfflINE和在线设置的欧几里得。一些Riemannian

审查Riemannian距离和分歧,应用于基于SSVEP的BCI

审查Riemannian距离和分歧,应用于基于SSVEP的BCIPDF文件第1页

审查Riemannian距离和分歧,应用于基于SSVEP的BCIPDF文件第2页

审查Riemannian距离和分歧,应用于基于SSVEP的BCIPDF文件第3页

审查Riemannian距离和分歧,应用于基于SSVEP的BCIPDF文件第4页

审查Riemannian距离和分歧,应用于基于SSVEP的BCIPDF文件第5页

相关文件推荐

2020 年
¥1.0
2022 年
¥2.0
2023 年
¥2.0
2020 年
¥1.0
2022 年
¥1.0
2019 年
¥1.0
2024 年
¥3.0