本文選題：腦磁圖(MEG) + 分類算法��； 參考：《計算機科學(xué)與探索》2017年05期

【摘要】：針對人腦對不同視覺目標(biāo)刺激產(chǎn)生的腦磁圖(magnetoencephalography,MEG)信號,提出了一種新型的腦磁圖信號分類算法。該算法首先將濾波后的腦磁圖信號投影到新的特征空間,然后將腦磁圖信號投影后新特征的協(xié)方差特征投影到切線空間中,用協(xié)方差特征作為信號的特征,進而對樣本進行預(yù)分類;接著將預(yù)分類的樣本通過巴氏距離的調(diào)整,得到二次標(biāo)記結(jié)果;最后采用黎曼距離對協(xié)方差特征矩陣在流形上進行調(diào)整,得到最終的分類結(jié)果。實驗結(jié)果表明,該有監(jiān)督與無監(jiān)督相結(jié)合的算法有助于提高腦磁圖信號分類的準(zhǔn)確率。
[Abstract]:In view of the magnetoencephalography (MEG) signal generated by the human brain for different visual targets, a new classification algorithm for magnetoencephalography (magnetoencephalography) is proposed, which first projections the filtered brain magnetograph signals to the new feature space, and then projection the covariance features of the new features of the magnetoencephalography signals to the tangent space. The covariance feature is used as the characteristic of the signal, and then the sample is pre classified, and then the two marking results are obtained by adjusting the pre classified samples through the adjustment of the barren distance. Finally, the Riemann distance is used to adjust the covariance feature matrix on the manifold to get the final classification results. The experimental results show that it is supervised and unsupervised. The combined algorithm is helpful to improve the accuracy of classification of magnetoencephalography signals.
【作者單位】： 天津大學(xué)電子信息工程學(xué)院;
【基金】：國家自然科學(xué)基金Nos.61372145,61172121,61002030,61002027~~
【分類號】：R338;TP391.41

【相似文獻】

相關(guān)期刊論文 前4條

1 李國棟;;1994年～1995年國際生物磁學(xué)的進展[J];中華物理醫(yī)學(xué)雜志;1996年02期

2 趙雙任,蔣大宗;腦磁源的定位計算的最優(yōu)化[J];生物醫(yī)學(xué)工程學(xué)雜志;1999年04期

3 趙雙任,蔣大宗;三目標(biāo)最優(yōu)化結(jié)合磁場信號SVD正交分解用于腦磁源的定位計算(MEG)[J];北京生物醫(yī)學(xué)工程;1999年02期

4 ;[J];;年期

，

本文編號：1946100