【摘要】：近年來,腦-機(jī)接口系統(tǒng)的發(fā)展得到了眾多國內(nèi)外研究人員的關(guān)注,并成為神經(jīng)工程領(lǐng)域一個新的研究熱點。隨著腦-機(jī)接口的不斷發(fā)展,研究人員正試圖將BCI技術(shù)應(yīng)用到實際生活中。但是,對基于運(yùn)動想象的腦-機(jī)接口系統(tǒng),當(dāng)導(dǎo)聯(lián)數(shù)目過多時會導(dǎo)致共空域模式算法的性能降低,因此腦-機(jī)接口系統(tǒng)一直難以在現(xiàn)實生活中應(yīng)用。另外,隨著導(dǎo)聯(lián)數(shù)目的增加,多通道腦電信號的記錄需要復(fù)雜的準(zhǔn)備工作以及復(fù)雜的計算過程,既費時又可能降低分類正確率。 為解決此問題,本文提出四種導(dǎo)聯(lián)選擇算法：第一種是二進(jìn)制多目標(biāo)粒子群優(yōu)化算法(bMOPSO);第二種是基于培養(yǎng)的多目標(biāo)微粒群優(yōu)化算法(cMOPSO);第三種是L1-norm算法；第四種是基于濾波器組的cMOPSO算法(fbMOPSO)。bMOPSO算法和兩種cMOPSO算法都是基于微粒群(PSO)的,微粒群優(yōu)化是一種啟發(fā)式研究技術(shù),它是對鳥群尋找食物時的活動規(guī)律性進(jìn)行建模與仿真。起初,PSO算法主要用來解決單目標(biāo)優(yōu)化問題,MOPSO算法是PSO算法的擴(kuò)展,它在解決多目標(biāo)優(yōu)化問題中應(yīng)用也越來越廣泛。大部分MOPSO算法在整個進(jìn)化過程中對所有粒子使用固定的權(quán)重和加速度,與bMOPSO算法不同,cMOPSO算法通過引入一個培養(yǎng)架構(gòu)去適應(yīng)變異粒子的個體飛行參數(shù)。第三種算法是典型的L1-norm算法,這個方法對兩分類數(shù)據(jù)能夠選擇較少的導(dǎo)聯(lián)數(shù)目。 另外,本文用三種分類算法對腦電數(shù)據(jù)進(jìn)行分類：支持向量機(jī)(SVM)、k-近鄰法(k-NN)和BP神經(jīng)網(wǎng)絡(luò)算法。 最后,分別對三種分類算法和四種導(dǎo)聯(lián)選擇算法進(jìn)行實驗仿真。仿真結(jié)果表明,三種分類算法中,支持向量機(jī)和k-近鄰法分類效果比BP神經(jīng)網(wǎng)絡(luò)好。四種導(dǎo)聯(lián)選擇算法在沒有降低分類正確率的情況下,基于fbMOPSO算法能夠選擇更少的導(dǎo)聯(lián)數(shù)目。
[Abstract]:In recent years, the development of brain-computer interface system has been paid attention by many researchers at home and abroad, and has become a new research hotspot in the field of neural engineering. With the development of brain-computer interface, researchers are trying to apply BCI technology to real life. However, for the brain-computer interface system based on motion imagination, when the number of leads is too large, the performance of the common spatial mode algorithm will be reduced, so the brain-computer interface system has been difficult to be applied in real life. In addition, with the increase of the number of leads, the recording of multichannel EEG signals requires complicated preparation and complicated calculation process, which may be time-consuming and reduce the classification accuracy. In order to solve this problem, four lead selection algorithms are proposed in this paper: first, binary multi-objective particle swarm optimization algorithm (bMOPSO); second, culture-based multi-objective particle swarm optimization algorithm (cMOPSO); third, L1-norm algorithm; The fourth one is cMOPSO algorithm (fbMOPSO). BMOPSO based on filter banks, and both cMOPSO algorithms are based on PSO (PSO). PSO is a heuristic research technique, which is to model and simulate the regularity of birds' activities when looking for food. At first, the PSO algorithm is mainly used to solve the single objective optimization problem. It is an extension of the PSO algorithm, and it is used more and more widely in solving the multi-objective optimization problem. Most MOPSO algorithms use fixed weights and accelerations for all particles throughout the evolution process. Unlike the bMOPSO algorithm, the CMOPSO algorithm adapts to the individual flight parameters of the mutated particles by introducing a culture framework. The third algorithm is the typical L1-norm algorithm, which can select fewer leads for the two classification data. In addition, this paper uses three classification algorithms to classify EEG data: support vector machine (SVM) k- nearest neighbor method (k-NN) and BP neural network algorithm. Finally, three classification algorithms and four lead selection algorithms are simulated. The simulation results show that support vector machine and k- nearest neighbor method are better than BP neural network in the classification of the three classification algorithms. The four lead selection algorithms can select fewer leads based on fbMOPSO without reducing the classification accuracy.
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP334.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張明衛(wèi);王波;張斌;朱志良;;基于相關(guān)系數(shù)的加權(quán)樸素貝葉斯分類算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2008年07期

2 胡學(xué)鋼;朱珠;吳共慶;;新聞網(wǎng)頁自動識別的相關(guān)特征研究[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2008年03期

3 于含迪;;非結(jié)構(gòu)化數(shù)據(jù)分類整合在貴州項目網(wǎng)中的設(shè)計與實現(xiàn)[J];安順學(xué)院學(xué)報;2010年03期

4 王斌;邵華清;劉振;;基于優(yōu)化類中心分類算法的文本分類研究[J];科技傳播;2011年18期

5 趙涓涓,陳俊杰;Internet信息過濾中用戶個性化模式的構(gòu)建[J];太原理工大學(xué)學(xué)報;2003年03期

6 方帥,王東署,遲健男,徐心和;視頻監(jiān)控系統(tǒng)中小運(yùn)動目標(biāo)分類算法[J];信息與控制;2005年02期

7 孔銳,張冰;基于核Fisher判決分析的高性能多類分類算法[J];計算機(jī)應(yīng)用;2005年06期

8 鄒志文,朱金偉;數(shù)據(jù)挖掘算法研究與綜述[J];計算機(jī)工程與設(shè)計;2005年09期

9 徐啟華,楊瑞;一種新的軟間隔支持向量機(jī)分類算法[J];計算機(jī)工程與設(shè)計;2005年09期

10 楊立;左春;王裕國;;基于語義距離的K-最近鄰分類方法[J];軟件學(xué)報;2005年12期

相關(guān)會議論文 前10條

1 孫云山;張立毅;李艷琴;;基于模糊分類器的PAM盲均衡算法[A];四川省通信學(xué)會2005年學(xué)術(shù)年會論文集[C];2005年

2 劉艷民;;中文網(wǎng)頁分類方法的研究[A];2009年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2009年

3 李曉波;;集成分類對比:Bagging NB & Boosting NB[A];2010年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集[C];2010年

4 邢延銘;諸克軍;李春平;;一種基于遺傳算法和模糊規(guī)則的分類算法[A];科學(xué)發(fā)展觀與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第十四屆學(xué)術(shù)年會論文集[C];2006年

5 王毅軍;張志廣;李勇;高小榕;高上凱;楊福生;;2003年腦機(jī)接口數(shù)據(jù)競賽論文之一——基于CSSD和FDA的單次手指運(yùn)動誘發(fā)腦電分類算法[A];首屆全國功能神經(jīng)影像學(xué)和神經(jīng)信息學(xué)研討會論文匯編[C];2003年

6 傅言;郭振華;李乃民;;基于圖像分析的中醫(yī)色診及在肝病上的研究[A];第一屆全國中西醫(yī)結(jié)合診斷學(xué)術(shù)會議論文選集[C];2006年

7 堯德中;廖祥;;基于支持向量機(jī)的腦電模式分類技術(shù)研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

8 謝永芳;蔣有為;唐明珠;;一種基于數(shù)據(jù)剪輯的半監(jiān)督最鄰近分類算法[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

9 楊敏;杜小勇;;hRIPPER:一種基于層次規(guī)則學(xué)習(xí)的文本分類算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

10 張少波;劉明;賈曉靜;朱衛(wèi)東;;數(shù)據(jù)包分類算法研究與設(shè)計[A];教育部中南地區(qū)高等學(xué)校電子電氣基礎(chǔ)課教學(xué)研究會第二十屆學(xué)術(shù)年會會議論文集（下冊）[C];2010年

相關(guān)重要報紙文章 前10條

1 ;SecuiWALL獨創(chuàng)分類算法[N];計算機(jī)世界;2002年

2 江西 曾海萍;ECG-5403心電圖機(jī)導(dǎo)聯(lián)選擇邏輯控制電路原理與檢修[N];電子報;2010年

3 俞路石;中科大研究生解決網(wǎng)絡(luò)數(shù)據(jù)包有效分類算法[N];中國教育報;2007年

4 江西 曾海萍;ECG-6151心電圖機(jī)自動鍵控電路原理與檢修[N];電子報;2009年

5 江西 曾海萍;ECG-6151心電圖機(jī)輸入電路原理與檢修[N];電子報;2010年

6 ;銳捷RG-WALL系列防火墻[N];電腦商報;2004年

7 中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所 李建平;保護(hù)地球之腎 遙感體檢濕地健康[N];中國水利報;2008年

8 內(nèi)蒙古 趙建忠;心電圖機(jī)故障分析檢修三例[N];電子報;2011年

9 ;百兆防火墻[N];計算機(jī)世界;2002年

10 ;MaxNet：本土化貼合市場[N];網(wǎng)絡(luò)世界;2008年

相關(guān)博士學(xué)位論文 前10條

1 劉剛;數(shù)據(jù)挖掘技術(shù)與分類算法研究[D];中國人民解放軍信息工程大學(xué);2004年

2 賈銀山;支持向量機(jī)算法及其在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[D];大連海事大學(xué);2004年

3 吳廣潮;基于聚類特征樹的大規(guī)模分類算法研究[D];華南理工大學(xué);2012年

4 駱成鳳;中國土地覆蓋分類與變化監(jiān)測遙感研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

5 錢曉東;基于神經(jīng)網(wǎng)絡(luò)等技術(shù)的數(shù)據(jù)與文本聚分類研究[D];天津大學(xué);2005年

6 唐勤;非均衡數(shù)據(jù)分類算法及其在助學(xué)貸款風(fēng)險管理中的應(yīng)用研究[D];華中科技大學(xué);2012年

7 謝s，

本文編號：2177965