文献

J-GLOBAL ID：201702214854925237   整理番号：17A1397032

ウェーブレットに基づく共通空間パターンおよびカーネル極端学習機械の最適サブセットと運動イメージEEG分類【Powered by NICT】

Motor imagery EEG classification with optimal subset of wavelet based common spatial pattern and kernel extreme learning machine

著者 (4件)： Park Hyeong-jun (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), South Korea) ,  Kim Jongin (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), South Korea) ,  Min Beomjun (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), South Korea) ,  Lee Boreom (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 2863-2866  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 運動イメージに基づく脳-コンピュータインタフェイス(MI BCIs)の性能は,特徴を抽出する方法に大きく依存する。フィルタバンクをベースにした共通空間パターンの様々なバージョンを提案し,MIをベースとするBCIsに用いられてきた。フィルタバンクに基づく共通空間パターンは,元の共通空間パターンと比較して,特徴の数を持っている。特徴の数が増加するにつれて,フィルタバンクをベースにした共通空間パターンを用いたMI B CIは,過剰適合問題に直面している。本研究では,MI B CIの性能を向上させ,過剰適合問題を回避するために固有ベクトル中心性特徴選択法,ウェーブレットパケット分解共通空間パターン,およびカーネル極端学習機械を使用した。さらに,計算速度がカーネル極端学習機械を用いて改善した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： フィルタバンク ,  計算機処理速度 ,  部分集合 ,  固有ベクトル ,  *波束 ,  特徴選択
準シソーラス用語： ウェーブレットパケット分解 ,  ブレインコンピュータインタフェイス ,  *運動イメージ ,  *極度学習機械 ,  *空間パターン , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (8件)： ウェーブレット ,  空間パターン ,  カーネル ,  極端学習機械 ,  サブ ,  運動イメージ ,  EEG ,  分類