文献

J-GLOBAL ID：201802249073335556   整理番号：18A0536165

SSVEPB CIの分類精度を改善するための1クラスサポートベクトルマシンに基づくフィルタ【Powered by NICT】

One class support vector machine based filter for improving the classification accuracy of SSVEP BCI

著者 (11件)： Sun Gaopeng (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China) ,  Liu Hui (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China) ,  Shi Yanhua (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China) ,  Leng Yue (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China) ,  Lin Pan (Key Laboratory of Biomedical Information Engineering of the Education Ministry, Institute of Biomedical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Wang Ruimin (Graduate School of Systems Life Sciences, Kyushu University, Motooka Nishi-ku, Fukuoka, Japan) ,  Yang Yuankui (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China) ,  Gao Junfeng (Key Laboratory of Cognitive Science of State Ethnic Affairs Commission, College of Biomedical Engineering, South-Central University for Nationalities, Wuhan, China) ,  Wang Haixian (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China) ,  Iramina Keiji (Graduate School of Systems Life Sciences, Kyushu University, Motooka Nishi-ku, Fukuoka, Japan) ,  Ge Sheng (Key Laboratory of Child Development and Learning Science, Ministry of Education, Research Center for Learning Science, School of Biological Science and Medical Engineering, Southeast University, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-5  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： 正準相関分析(CCA)は,定常状態視覚誘発電位(SSVEP)信号の検出に有効であることが証明されている。しかし,CCA法をターゲットとして最大相関値に対応する基準モードの周波数を選択するだけであった。これはCCA出力は,ロバストな悪いものになってしまう。本研究では,著者らはSSVEP信号の検出過程における相関値の配列をフィルタリングする1クラスサポートベクトルマシンに基づくフィルタを提案した。結果は全ての対象に対して異なる時間窓にわたって改善された分類精度と改善は,何人かの被験者に対して約10%を達成したことを示した。SSVEP信号を効果的に発生させた場合誤ってろ過したことを命令の比は相対的に低い(5%以下)。Copyright 2018 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： ロバスト性 ,  フィルタリング ,  基準モード ,  視覚誘発電位 ,  周波数 ,  *フィルタ
準シソーラス用語： 被験者 ,  時間窓 ,  定常状態 ,  正準相関解析 ,  *分類精度 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 分類精度 ,  クラス ,  サポートベクトルマシン