本文選題：腦-機接口　切入點：特征提取　出處：《計算機工程與應用》2016年18期

【摘要】：為了提高腦思維任務分類精度,提出了一種基于小波包分解和多分類器投票組合的運動想象任務分類方法。該方法利用小波包分解對經(jīng)過預處理的腦電信號進行分解,提取所有頻帶上的相對小波包能量特征;根據(jù)不同腦思維任務下左右半腦各通道間的差異性對C3、C4兩通道求取特定頻帶上的小波包系數(shù)的L-2范數(shù)作為特征;采用基于投票策略的組合分類器對兩種聯(lián)合特征進行分類,得到了92.85%的識別精度。實驗結果表明,聯(lián)合特征向量較好地反映了左右手運動想象腦電信號的事件相關去同步(ERD)和事件相關同步(ERS)的本質特性;組合分類器識別效果優(yōu)于單一分類器。
[Abstract]:In order to improve the classification accuracy of brain thinking tasks, a new task classification method based on wavelet packet decomposition and multi-classifier voting is proposed, which decomposes preprocessed EEG signals by wavelet packet decomposition. The relative wavelet packet energy features in all frequency bands are extracted, and the L-2 norm of wavelet packet coefficients in a given frequency band is obtained according to the differences between the left and right hemispheric channels under different brain thinking tasks. The combined classifier based on voting strategy is used to classify the two joint features, and the recognition accuracy is 92.85%. The experimental results show that, The joint feature vector well reflects the essential characteristics of event-related desynchronization (ERD) and event-related synchronization (ERS) of the left and right hand motion imagination EEG signals, and the performance of the combined classifier is better than that of the single classifier.
【作者單位】： 中國地質大學(武漢)機械與電子信息學院;
【基金】：湖北省自然科學基金項目(No.2012055077) 中央高�；痦椖�(No.2012079108)
【分類號】：R741.044;TN911.7

【相似文獻】

相關期刊論文 前1條

1 阮松;陳松燦;王敏;;采用多尺度多級組合分類器快速定位乳腺X片中的感興趣區(qū)域[J];中國生物醫(yī)學工程學報;2009年05期

相關會議論文 前1條

1 徐f ;宗成慶;;漢語base NP識別:錯誤驅動的組合分類器方法[A];第三屆學生計算語言學研討會論文集[C];2006年

相關博士學位論文 前2條

1 許言午;面向行人檢測的組合分類計算模型與應用研究[D];中國科學技術大學;2009年

2 張陽;復雜交通場景中基于視頻的行人檢測與跟蹤若干關鍵問題研究[D];華南理工大學;2013年

相關碩士學位論文 前10條

1 王亞松;關于組合分類器修剪方法的研究[D];鄭州大學;2011年

2 張銀峰;面向類分布不平衡數(shù)據(jù)的組合分類器剪枝方法的研究[D];鄭州大學;2014年

3 鄭忠;適應性組合分類器遙感分類研究[D];中南大學;2013年

4 李俊磊;多組合分類器在局部區(qū)域氣溫預測中的研究與應用[D];廣東工業(yè)大學;2014年

5 李新強;組合分類器及其在財務預警中得應用研究[D];云南大學;2012年

6 石國強;基于規(guī)則的組合分類器的研究[D];鄭州大學;2010年

7 宋麗;基于決策樹的組合分類器的研究[D];西安電子科技大學;2012年

8 樊繼慧;基于SVM組合分類器的局域氣象預測研究[D];廣東工業(yè)大學;2015年

9 吳正娟;特征變換在組合分類中的應用研究[D];鄭州大學;2010年

10 李斌;基于多組合分類器的高光譜圖像識別技術研究[D];中國地質大學（北京）;2008年

，

本文編號：1688704