文献

J-GLOBAL ID：201702230813647212   整理番号：17A1295410

人工ハチ群最適化に基づくGauss過程の運動想像EEG信号分類【JST・京大機械翻訳】

Classification of Motor Imagery EEG Based on GaussianProcess Optimized with Artificial Bee Colony

著者 (4件)： Geng Xueqing (杭州電子科技大学智能控制与机器人研究所,杭州,310018) ,  She Qingshan (杭州電子科技大学智能控制与机器人研究所,杭州,310018) ,  Han Xiao (杭州電子科技大学智能控制与机器人研究所,杭州,310018) ,  Meng Ming (杭州電子科技大学智能控制与机器人研究所,杭州,310018)
資料名： Chuangan Jishu Xuebao  (Chuangan Jishu Xuebao)
巻： 30  号： 3  ページ： 378-384  発行年： 2017年 
JST資料番号： C2450A  ISSN： 1004-1699  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： 共役勾配法を用いて,従来のGauss過程における初期値に対する強い依存性を持ち,局所最適に陥りやすいという問題を解決するために,本論文では,人工的なハチ群最適化に基づくGauss過程分類法を提案したが,それはEEG信号のパターン認識に用いられた。最初に,Gauss過程モデルを構築し,適切なカーネル関数を選択し,最適化パラメータを決定した。次に,認識誤り率の逆数を適応度関数として選択し,最適化精度を得るために,人工ハチ群探索アルゴリズムを用いて,最適パラメータを得ることができた。最後に,パラメータ最適化後のGauss過程分類器を用いて,サンプルを分類した。2008年のコンテストデータセットBCI Competition IV Data Set 1と2005年のデータセットBCI Competition III Data Set IVaを用いて、提案方法を検証した。サポートベクトルマシン(SVM),人工ハチ群最適化(SVM-SVM),およびGauss過程分類(GPC)の方法と比較して,実験結果は,提案した方法の有効性を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 誤り率 ,  パターン認識 ,  *最適化 ,  共役勾配法 ,  モデル ,  *Gauss過程 ,  サポートベクトルマシン
準シソーラス用語： パラメータ最適化 ,  最適パラメータ ,  探索アルゴリズム ,  適応度関数 ,  Kernel関数 ,  分類法 ,  初期値 , 【Automatic Indexing@JST】

著者キーワード (4件)： EEG signal ,  Gaussian process classification ,  artificial bee colony ,  motor imagery

分類 (1件)： システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (8件)： 人工 ,  ハチ ,  最適化 ,  Gauss過程 ,  運動 ,  想像 ,  EEG信号 ,  分類