XiaoMi-AI文件搜索系统
World File Search System子域
基于多子域自适应网络的单源到单目标跨受试者运动想象分类
摘要：在基于脑电图 (EEG) 的跨受试者运动想象 (MI) 分类任务中，设备和受试者问题会导致与时间相关的数据分布偏移问题。在单源到单目标 (STS) MI 分类任务中，这种偏移问题必然会导致源域和目标域之间整体数据分布差异的增加，从而导致分类准确率下降。本文提出了一种新颖的多子域自适应方法 (MSDAN) 来解决偏移问题并提高传统方法的分类准确率。在所提出的 MSDAN 中，通过测量源子域和目标子域之间的分布差异来获得与类相关和与时间相关的子域（由不同的数据标签和会话标签划分）中的自适应损失。然后，同时最小化 MSDAN 损失函数中的自适应和分类损失。为了说明所提方法的应用价值，我们的方法被用于解决脑机接口 (BCI) 竞赛 III-IVa 数据集的数据分析的 STS MI 分类任务。实验结果表明，与其他方法相比，