發(fā)布時(shí)間：2018-11-01 20:00

【摘要】：隨著科技的發(fā)展,對(duì)于那些大腦健康而肢體行動(dòng)不便或者無法行動(dòng)的患者,例如:肌萎縮側(cè)索硬化癥(ALS)患者,越發(fā)的渴望能夠通過自己的大腦直接與外部設(shè)備進(jìn)行交流,腦-機(jī)接口(Brain-Computer Interface,BCI)技術(shù)就在這種背景下出現(xiàn)并快速發(fā)展。腦電波信號(hào)的分類算法作為BCI技術(shù)中一個(gè)重要的環(huán)節(jié),對(duì)其進(jìn)行研究將有著重大的現(xiàn)實(shí)意義及實(shí)用價(jià)值。本文的主要研究內(nèi)容:1.針對(duì)樸素貝葉斯分類器(Naive Bayesian Classifier, NBC)及貝葉斯網(wǎng)絡(luò)(Bayesian Network, BN)的不足進(jìn)行了改進(jìn),基于最近鄰(Nearest Neighbor, NN)算法,建立一個(gè)計(jì)算聯(lián)合概率分布的概率估計(jì)器,并提出一種無模型貝葉斯分類器(Model-Free Bayesian Classifier, MFBC)算法實(shí)現(xiàn)數(shù)據(jù)的分類。2.提出一種新型的自組織特征提取算法,并對(duì)MFBC算法進(jìn)行擴(kuò)展,從而能夠處理回歸問題,通過與極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)進(jìn)行比較,從而驗(yàn)證了擴(kuò)展后的MFBC處理回歸問題的有效性。3.根據(jù)模糊C均值(Fuzzy C Means, FCM)聚類算法對(duì)人造腦電波信號(hào)數(shù)據(jù)與真實(shí)腦電波信號(hào)數(shù)據(jù)進(jìn)行區(qū)分。4.進(jìn)行對(duì)腦電波信號(hào)識(shí)別系統(tǒng)的設(shè)計(jì),包括UCI (University of California Irvine)數(shù)據(jù)及腦電波數(shù)據(jù)的導(dǎo)入、MFBC算法、實(shí)驗(yàn)結(jié)果分析等功能。最后通過UCI數(shù)據(jù)進(jìn)行MFBC算法的敏感性分析,同時(shí)證明MFBC算法的收斂性。通過與其他經(jīng)典的及集成分類器進(jìn)行比較,驗(yàn)證了 MFBC算法的有效性。同時(shí)將MFBC算法與公共空間模型(Common Spatial Pattern,CSP)算法相結(jié)合應(yīng)用于BCI系統(tǒng)中的信號(hào)分類環(huán)節(jié)中,從而證明其實(shí)用性。
[Abstract]:With the development of science and technology, for those with healthy brain, physically disabled or unable to move, such as amyotrophic lateral sclerosis (ALS), there is a growing desire to communicate directly with external devices through their own brains. Brain-computer interface (Brain-Computer Interface,BCI) technology emerged in this context and developed rapidly. As an important part of BCI technology, the classification algorithm of brain wave signal will have great practical significance and practical value. The main contents of this paper are as follows: 1. Aiming at the shortcomings of naive Bayesian classifier (Naive Bayesian Classifier, NBC) and Bayesian network (Bayesian Network, BN), a probabilistic estimator to calculate the joint probability distribution is established based on the nearest neighbor (Nearest Neighbor, NN) algorithm. A modelless Bayesian classifier (Model-Free Bayesian Classifier, MFBC) is proposed to classify data. 2. In this paper, a new self-organizing feature extraction algorithm is proposed, and the MFBC algorithm is extended to deal with the regression problem, which is compared with the extreme learning machine (Extreme Learning Machine,ELM). The effectiveness of the extended MFBC in dealing with regression problems is verified. 3. 3. According to the fuzzy C-means (Fuzzy C Means, FCM) clustering algorithm, the artificial EEG signal data and the real EEG signal data are distinguished. 4. The design of brain wave signal recognition system, including UCI (University of California Irvine) data and brain wave data import, MFBC algorithm, experimental results analysis and other functions. Finally, the sensitivity of MFBC algorithm is analyzed by UCI data, and the convergence of MFBC algorithm is proved. Compared with other classical and integrated classifiers, the effectiveness of MFBC algorithm is verified. At the same time, the MFBC algorithm and the common space model (Common Spatial Pattern,CSP) algorithm are applied to the signal classification in the BCI system, which proves its practicability.
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧u&;付長賀;;四種貝葉斯分類器及其比較[J];沈陽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

2 董立巖;李真;閻鵬飛;;基于貝葉斯分類器的重大危險(xiǎn)源辨識(shí)[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2009年04期

3 王陽;李連發(fā);;空間貝葉斯分類器并行化[J];地理與地理信息科學(xué);2013年04期

4 賈海軍;陳海光;;基于貝葉斯分類的主題爬蟲[J];上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

5 曹京津;秦立軍;;改進(jìn)貝葉斯分類器在電力系統(tǒng)負(fù)荷預(yù)測(cè)中的應(yīng)用[J];科技創(chuàng)新與生產(chǎn)力;2014年05期

6 張克涵;吳迪;李愛國;宋保維;;基于貝葉斯分類器的報(bào)稅欺詐檢測(cè)[J];計(jì)算機(jī)仿真;2010年09期

7 蔣才智;王浩;姚宏亮;;基于知網(wǎng)的貝葉斯中文人名識(shí)別[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

8 程澤凱,林士敏,陸玉昌,蔣望東,陸小藝;基于Matlab的貝葉斯分類器實(shí)驗(yàn)平臺(tái)MBNC[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年05期

9 高志峰;汪渤;周志強(qiáng);;基于貝葉斯分類器的實(shí)時(shí)圖像目標(biāo)識(shí)別實(shí)驗(yàn)研究[J];實(shí)驗(yàn)科學(xué)與技術(shù);2014年01期

10 李楠;李春;;一種新的蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)方法[J];生物信息學(xué);2012年04期

相關(guān)會(huì)議論文 前6條

1 吳銘;徐蔚然;郭軍;;基于統(tǒng)計(jì)的中文標(biāo)點(diǎn)識(shí)別算法研究[A];第八屆全國漢字識(shí)別學(xué)術(shù)會(huì)議論文集[C];2002年

2 張曉峰;王麗珍;肖清;趙麗紅;;基于概念劃分的連續(xù)最近鄰查詢研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

3 管猛;張剡;柏文陽;;基于地表的連續(xù)可見最近鄰查詢方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

4 陳璐;高云君;柳晴;陳剛;;受限相互最近鄰查詢處理[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

5 盛梅紅;沙朝鋒;宮學(xué)慶;嵇曉;周傲英;;道路網(wǎng)絡(luò)環(huán)境中的多對(duì)象最近鄰查詢[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

6 劉月清;章勇;;一種改進(jìn)的動(dòng)態(tài)最近鄰聚類算法[A];全國自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)會(huì)議論文集（一）[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 杜瑞杰;貝葉斯分類器及其應(yīng)用研究[D];上海大學(xué);2012年

2 張婷;基于量化的近似最近鄰搜索技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2017年

3 楊澤雪;空間連接及最近鄰變體查詢研究[D];哈爾濱理工大學(xué);2014年

4 孫冬璞;時(shí)空數(shù)據(jù)庫多類型最近鄰查詢的研究[D];哈爾濱理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳杰;無模型貝葉斯分類器方法及在腦電波信號(hào)識(shí)別中的應(yīng)用[D];北京化工大學(xué);2017年

2 姜文天;基于Clementine的貝葉斯分類器的學(xué)習(xí)與應(yīng)用[D];北京理工大學(xué);2015年

3 吳楊;基于信息論的二階樹增廣貝葉斯模型的研究與設(shè)計(jì)[D];吉林大學(xué);2016年

4 高興;基于空間分布信息的連續(xù)屬性貝葉斯分類研究[D];齊齊哈爾大學(xué);2016年

5 李玉杰;半樸素貝葉斯分類器研究[D];中央民族大學(xué);2017年

6 李美慧;基于KDB模型的無約束貝葉斯分類器的研究與應(yīng)用[D];吉林大學(xué);2017年

7 曹鴻浩;自適應(yīng)K階依賴貝葉斯分類器的設(shè)計(jì)與研究[D];吉林大學(xué);2015年

8 姚天韻;入侵檢測(cè)中的貝葉斯分類器的研究[D];大連交通大學(xué);2008年

9 施軼青;監(jiān)督學(xué)習(xí)下的貝葉斯分類器研究[D];西安電子科技大學(xué);2011年

10 喬珠峰;基于不完整數(shù)據(jù)處理方法的貝葉斯分類器研究[D];北京交通大學(xué);2007年

，

本文編號(hào)：2304951