文献

J-GLOBAL ID：202002266857770275   整理番号：20A2596700

多変量変分モード分解に基づくEEGマルチドメイン特徴抽出法【JST・京大機械翻訳】

Multi-Domain Feature Extraction of EEG Based on Multivariate Variational Mode Decomposition

著者 (4件)： Meng Ming (杭州電子科技大学自動化学院,杭州310018) ,  Yan Ran (杭州電子科技大学自動化学院,杭州310018) ,  Gao Yunyuan (杭州電子科技大学自動化学院,杭州310018) ,  She Qingshan (杭州電子科技大学自動化学院,杭州310018)
資料名： Chuangan Jishu Xuebao  (Chuangan Jishu Xuebao)
巻： 33  号： 6  ページ： 853-860  発行年： 2020年 
JST資料番号： C2450A  ISSN： 1004-1699  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： 運動想像のEEG信号特徴の区別性を高めるため、多変量変分モード分解(MVMD)に基づくマルチドメイン特徴と脳波特徴抽出方法を提案した。まず第一に,MVMDを用いて,オリジナルのEEGのマルチチャネルデータを適応的に分解し,次に,固有モード関数(IMF)の成分から信号の時間領域特性と非線形動特性を抽出して,IMFの成分を結合して,新しい信号マトリックスを構築した。共空間モード(CSP)を用いて,空間特徴を抽出し,時間領域,非線形動力学,および空間領域特徴の結合を行い,最後に,サポートベクトルマシン(SVM)を用いて,特徴集合を分類した。提案手法はBCICompetionIIDatasetIIIデータセット上で89.64%の分類精度を達成し、既存の方法と比較し、提案方法の有効性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *変分法 ,  脳波 ,  *特徴抽出 ,  有効性 ,  非線形力学 ,  サポートベクトルマシン
準シソーラス用語： マルチチャネル ,  分類精度 ,  マルチドメイン ,  時間領域 ,  *モード分解 ,  固有モード関数 ,  *多変量 ,  脳波信号 , 【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)： 多変量 ,  変分 ,  モード分解 ,  EEG ,  マルチドメイン ,  特徴抽出法