文献

J-GLOBAL ID：202002230825812942   整理番号：20A2765120

経験的モード分解の位相空間再構成に基づく作業記憶維持中のEEG信号の分類【JST・京大機械翻訳】

Classification of EEG signals during Working- Memory Maintenance based on Phase Space Reconstruction of Empirical Mode Decomposition

著者 (6件)： Wu Yijing (Tongji University,College of Electronic and Information Engineering,Shanghai,China) ,  Qian Hui (Tongji University,College of Electronic and Information Engineering,Shanghai,China) ,  Yang Xinhui (Tongji University,College of Electronic and Information Engineering,Shanghai,China) ,  Chu Huiyu (Tongji University,College of Electronic and Information Engineering,Shanghai,China) ,  Yan Chungang (Tongji University,College of Electronic and Information Engineering,Shanghai,China) ,  Gong Xiaoliang (Tongji University,College of Electronic and Information Engineering,Shanghai,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CISP-BMEI  ページ： 675-680  発行年： 2020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： 脳波(EEG)信号は脳の認知機能を検出する従来の方法である。本論文では,経験的モード分解(EMD)と位相空間再構成(PSR)に基づく特徴選択アプローチを提案し,作業記憶処理プロセス中の異なる材料の分類を行うのに用いた。6人のデータセットに基づく視覚皮質における5つのチャネルからのEEG信号の固有モード関数(IMFs)の2D-PSRを計算した。2D-PSRの中心傾向測定(CTM)に基づく新しい特徴を分類のために提案した。サポートベクターマシン(SVM),K最近傍(KNN)およびランダムフォレスト(RF)を含む3つの分類器の効果を系統的に比較することによって,系統的に比較した。結果は,画像材料を記憶するタスクに関して得た分類精度が66.3%±7.3%であり,特性材料の1つが63.2%±9.5%であることを示した。本研究は,EMD後のPSRのCTM特徴が,単一主題間の作業記憶材料に基づくメモリ処理保全タスクの有効な特徴であることを示す最初の実験起源である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *位相空間 ,  記憶装置 ,  脳波 ,  保全 ,  特徴選択 ,  再構成 ,  二次元 ,  チャネル ,  視覚皮質 ,  サポートベクトルマシン
準シソーラス用語： 分類精度 ,  ランダムフォレスト ,  *経験的モード分解 ,  固有モード関数 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 経験的モード分解 ,  位相空間 ,  再構成 ,  作業記憶 ,  EEG信号 ,  分類