文献

J-GLOBAL ID：201702223888818306   整理番号：17A1922615

ERDと累積エネルギーに基づくEEG特徴抽出法【JST・京大機械翻訳】

EEG Feature Extraction Method Based on ERD and Accumulated Power

著者 (4件)： Lin Wentong (南京郵電大学 電子科学与工程学院,江蘇 南京,210023) ,  Zhang Xuejun (南京郵電大学 電子科学与工程学院,江蘇 南京210023;江蘇省射頻集成与微組装工程実験室,江蘇 南京210023) ,  Huang Liya (南京郵電大学 電子科学与工程学院,江蘇 南京210023;江蘇省射頻集成与微組装工程実験室,江蘇 南京210023) ,  Cheng Xiefeng (南京郵電大学 電子科学与工程学院,江蘇 南京210023;江蘇省射頻集成与微組装工程実験室,江蘇 南京210023)
資料名： Jisuanji Jishu yu Fazhan  (Jisuanji Jishu yu Fazhan)
巻： 27  号： 6  ページ： 86-90  発行年： 2017年 
JST資料番号： C3602A  ISSN： 1673-629X  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： 運動による脳-機械インタフェイスの分類の正確さを改善するために,イベント相関同期(ERD)に基づく周波数帯のエネルギー特性と累積エネルギー特性を組み合わせた特徴抽出法を提案した。EEG信号のERD周波数帯のエネルギー特徴を抽出し,線形判別分析(LDA)分類器を用いて分類し,LDA分類器の出力Dを分類信頼度とした。Dが設定閾値より大きい場合には,運動エネルギー状態を抽出し,累積エネルギー特徴を抽出し,ERD周波数帯エネルギー特徴と累積エネルギー特徴を結合し,結合特徴ベクトルを構築し,LDA分類器を用いて分類を行い,最終分類結果を得た。BCI2003データセットを用いて,Data IIIを実験した。実験結果により、分類正解率と相互情報(MI)を評価基準とし、提案した方法の最大分類正確率は90%、最大相互情報量は0.51であり、結果は大部分の同じデータセットを使用する参加チームより優れている。実験結果により,提案した方法の実現可能性と有効性を検証し,オンライン脳-機械インタフェイスモデルの設計のための参照を提供した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *特徴抽出 ,  信頼度 ,  相互情報量 ,  周波数帯 ,  運動エネルギー ,  インタフェイス ,  評価基準
準シソーラス用語： 運動イメージ ,  オンライン ,  参加 ,  正解率 ,  特徴ベクトル ,  線形判別分析 ,  脳波信号 ,  エネルギー特性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 脳-コンピュータインタフェイス(BCI) ,  ERD ,  蓄積電力 ,  運動イメージ

分類 (3件)： 生体計測  (EL03020C) ,  ニューロコンピュータ  (JC06010Q) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (4件)： 累積 ,  エネルギー ,  EEG ,  特徴抽出法