机构名称：
¥ 1.0
抽象背景：大脑计算机界面的医疗应用中的进步（如运动图像系统）高度促进使残疾人生活更好。这种系统的挑战之一是实现高分类精度。方法：此处提出了一种具有低计算复杂性的高度准确的分类算法，以对不同的电机成像和执行任务进行分类。对两个脑电图数据集（伊朗大脑 - 计算机界面竞争[IBCIC]数据集和世界BCI竞争IV数据集2A）进行了一项实验研究，以验证该方法的有效性。对于较低的复杂性，除了增加了类可分离性外，还应用了常见的空间模式将64个通道信号降低到四个组件。从这些组件中，首先，在时间和时间域中提取某些功能，接下来，通过采用逐步线性判别分析（LDA）方法，选择它们的最佳线性组合，然后将其应用于训练和测试，包括LDA，LDA，LDA，LDA，随机森林，支持矢量机，以及K最近的邻居。分类策略在二元分类器的结果中进行多数投票。结果：实验结果表明，所提出的算法准确性比第一个IBCIC的赢家高得多。关于世界BCI竞赛的数据集2A，第6和9的受试者获得的结果优于其对手。此外，该算法的平均KAPPA值为0.53，高于第二个竞争者的冠军。结论：结果表明该方法能够以有效和自动的方式对运动图像和执行任务进行分类。
基于脑电图的大脑 - 计算机接口...
主要关键词
相关文件推荐
