抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
BCIシステムにおける一般的に使用される運動イメージングeeg信号に照準を定めて,この実験は,それぞれ,共空間モードと周波数帯エネルギー分析による左右手運動画像特徴の抽出の原理について議論して,2つの方法を比較した。PhysioNetの公的に利用可能なeegデータセット分類と認識を使用して,結果は,CSP特性がサポートベクトルマシンと結合するとき,最も高い分類精度が77.8%であることを示した。サポートベクトルマシンと組み合わせた周波数帯エネルギー特徴の最高分類精度は85.5%であった。最後に,マルチ特徴融合の方法を提案した。実験結果は,マルチ特徴融合の分類精度が単一特徴のものより高く,約90%に保たれることを示した。それは運動想像の脳波信号をより良く表すことができる。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】