文献

J-GLOBAL ID：201702276052970149   整理番号：17A0094697

ウェーブレットパケットと組合せ分類装置に基づくEEG信号分類【JST・京大機械翻訳】

Classification of motor imagery task based on wavelet packet decomposition and combination of multiple classifiers

著者 (4件)： Guo Hongxiang (Faculty of Mechanical & Electronic Information, China University of Geosciences (Wuhan)) ,  Yan Jun (Faculty of Mechanical & Electronic Information, China University of Geosciences (Wuhan)) ,  Wang Dianhong (Faculty of Mechanical & Electronic Information, China University of Geosciences (Wuhan)) ,  Yu Beibei (Faculty of Mechanical & Electronic Information, China University of Geosciences (Wuhan))
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 52  号： 18  ページ： 148-153  発行年： 2016年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 脳思考タスク分類の精度を向上させるために,ウェーブレットパケット分解と多重分類投票の組合せに基づく運動イメージタスク分類法を提案する。ウェーブレットパケット分解を用いて,前処理したEEG信号を分解し,すべての周波数帯における相対的ウェーブレットパケットエネルギー特性を抽出した。異なる脳思考タスクの下の左右半脳の各チャネル間の差異性によって、C3、C4の二つのチャンネルに対して特定の周波数帯におけるウェーブレットパケット係数のL-2ノルムを求めることを特徴とする。投票戦略に基づく組合せ分類装置を用いて,2つの結合特性を分類し,%の認識精度を得た。実験結果は,結合特性ベクトルが,EEG信号の事象関連の脱同期(ERD)と事象関連の同期(ERS)の本質的特性を反映することを示した。組合せ分類装置の認識効果は単一分類装置より優れている。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  *分類装置 ,  ノルム ,  投票 ,  周波数帯 ,  固有ベクトル ,  チャネル ,  多重化
準シソーラス用語： 認識精度 ,  エネルギー特性 ,  分類法 ,  運動イメージ ,  *脳波信号 ,  *ウェーブレットパケット , 【Automatic Indexing@JST】

著者キーワード (5件)： Brain-Computer Interface(BCI) ,  feature extraction ,  Wavelet Packet Decomposition(WPD) ,  multiple classifiers ,  voting combination

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： ウェーブレットパケット ,  組合せ ,  分類装置 ,  EEG信号 ,  分類