文献

J-GLOBAL ID：201802235818282967   整理番号：18A0876436

CSPとRRに基づく多クラス運動想像脳波信号の認識分類研究【JST・京大機械翻訳】

Recognition and Classification of Multi-class Motor Imagery EEG Signals Based on CSP and RR

著者 (5件)： Cao Shenghai (昆明理工大学信息工程与自動化学院,云南昆明,650000) ,  Fu Yunfa (昆明理工大学信息工程与自動化学院,云南昆明,650000) ,  Peng Yao (昆明理工大学信息工程与自動化学院,云南昆明,650000) ,  Zhang Jianping (昆明理工大学信息工程与自動化学院,云南昆明,650000) ,  Leng Chuantao (昆明理工大学信息工程与自動化学院,云南昆明,650000)
資料名： Ruanjian  (Ruanjian)
巻： 38  号： 12  ページ： 223-228  発行年： 2017年 
JST資料番号： C3604A  ISSN： 1003-6970  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-機械インターフェースは大脳皮質のEEG活動或いは大脳中の単一ニューロンの活動を通じて、ユーザーが制御できる。最も挑戦的な問題の1つは,EEG信号の認識精度の改善である。本論文では、少ないチャネル及び共通空間パターン-リッジ回帰分析のパターン認識方法を用いて、4種類の運動想像脳波の識別分類に応用した。最初に,オリジナルデータを効果的に前処理し,ドリフト補正,フィルタリング,改良ICA(IndependentComponentAnalysis)により偽跡を除去し,次に,CSP(CommonSpacePattern)とHHT(Hibert-HuangTransform)を用いて,それぞれSVM(Supportvectormachine),LDA(LinearDiscriminantAnalysis)とRR(RidgeRegression)を分類した。実験結果は,共同空間パターン-リッジ回帰解析の最終分類効果が最良であり,平均分類認識率が約82.93%であり,9名の最高と最低分類認識率の間の標準偏差が1.37%であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  大脳皮質 ,  標準偏差 ,  ニューロン ,  チャネル ,  ドリフト ,  インタフェイス ,  *脳波 ,  フィルタリング
準シソーラス用語： 認識率 ,  空間パターン ,  認識精度 ,  大脳 ,  *脳波信号 ,  *想像 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (7件)： CSP ,  クラス ,  運動 ,  想像 ,  脳波信号 ,  分類 ,  研究