文献

J-GLOBAL ID：202002222672460756   整理番号：20A2276036

R-CSPとPSO-SVMに基づくEEG特徴抽出と分類【JST・京大機械翻訳】

EEG Characteristics Extraction and Classification Based on R-CSP and PSO-SVM

著者 (4件)： Li Xue (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou, China) ,  Ma Yuliang (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou, China) ,  Zhang Qizhong (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou, China) ,  Gao Yunyuan (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou, China)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1274  ページ： 1658-1667  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： EEG認識精度とリアルタイム性能を改善するために,粒子群最適化(PSO)アルゴリズムに基づくサポートベクトルマシン(SVM)のペナルティ因子Cとカーネルパラメータgを最適化するための分類と認識法を,この論文で提案する。最初に,正則化共通空間パターン(R-CSP)をEEG特徴抽出のために使用した。第二に,ペナルティ係数とカーネル関数を,提案したPSOアルゴリズムによって最適化した。最後に,構築したSVM分類器を訓練し,右足と右手運動の2クラスEEGデータによって試験した。実験結果は,PSO-SVMのEEG分類の認識率が,非パラメータ最適化SVM分類器より平均2.2%高く,従来のLDA分類器よりも有意に高く,このアルゴリズムの実現可能性とより高い精度を証明した。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *特徴抽出 ,  正則化 ,  ペナルティ ,  サポートベクトルマシン
準シソーラス用語： 粒子群最適化 ,  パラメータ最適化 ,  Kernel関数 ,  分類会計機 ,  認識率 ,  実時間 ,  認識精度 ,  空間パターン ,  SVM分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： EEG信号 ,  正則化共通空間パターン(R-CSP) ,  SVM ,  PSO

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： CSP ,  PSO ,  SVM ,  EEG ,  特徴抽出 ,  分類