文献

J-GLOBAL ID：201902218346245024   整理番号：19A2050865

マルチ特徴融合に基づく運動想像脳波信号認識研究【JST・京大機械翻訳】

Recognition of motor imagery EEG signals based on multi-feature fusion

著者 (2件)： Jiang Yue (上海理工大学医療器械与食品学院,上海,200093) ,  Zou Renling (上海理工大学医療器械与食品学院,上海,200093)
資料名： Zhongguo Yixue Wulixue Zazhi  (Zhongguo Yixue Wulixue Zazhi)
巻： 36  号： 5  ページ： 590-596  発行年： 2019年 
JST資料番号： C2789A  ISSN： 1005-202X  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： 【目的】脳コンピュータインタフェイスは,EEG信号を認識して,外部装置を制御して,単一特徴を抽出する従来の方法では,EEGを多角的に特徴付けることができない,そして,マルチ特徴融合の特徴抽出法を提示する。方法:自己回帰モデル、経験モード分解、共空間パターンを用いて、結合時-周波数-空間領域の初期特徴ベクトルを抽出し、主成分分析で次元縮小し、最後にサポートベクトルマシンで分類する。結果:BCI2003データに対して、91.9%の認識率が得られ、単一特徴と2つの組合せ特徴における認識率及びBPニューラルネットワーク、確率ニューラルネットワークの認識率より高い。結論:マルチ特徴融合の特徴抽出方法はEEGの特徴をよく代表し、同時にサポートベクトルマシン分類を用いて良好な効果が得られ、本研究の手法の有効性を証明し、さらに脳コンピュータインターフェイスに用いることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 主成分分析 ,  有効性 ,  次元縮小 ,  自己回帰モデル ,  特徴抽出 ,  *サポートベクトルマシン ,  ニューラルネットワーク
準シソーラス用語： 認識率 ,  特徴ベクトル ,  空間パターン ,  モード分解 ,  ブレインコンピュータインタフェイス ,  *脳波信号 ,  *想像 ,  *特徴融合 , 【Automatic Indexing@JST】

分類 (1件)： 固体デバイス製造技術一般  (NC03030V)

タイトルに関連する用語 (6件)： マルチ ,  特徴融合 ,  運動 ,  想像 ,  脳波信号 ,  研究