文献

J-GLOBAL ID：202202217784858074   整理番号：22A0230568

BCIのためのモータ画像信号の分類性能を改善するための極値勾配ブースティングBayes最適化を用いた特徴選択【JST・京大機械翻訳】

Feature Selection Using Extreme Gradient Boosting Bayesian Optimization to upgrade the Classification Performance of Motor Imagery signals for BCI

著者 (2件)： Thenmozhi T. (Department of Electrical and Electronics Engineering, Thiagarajar College of Engineering, Madurai 625015, India) ,  Helen R. (Department of Electrical and Electronics Engineering, Thiagarajar College of Engineering, Madurai 625015, India)
資料名： Journal of Neuroscience Methods  (Journal of Neuroscience Methods)
巻： 366  ページ： Null  発行年： 2022年 
JST資料番号： A1129A  ISSN： 0165-0270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 運動イメージ(MI)ベースの脳コンピュータインタフェース(BCI)は,運動関連タスクを独立して実行するために使用する挑戦的な非筋肉接続システムである。それは,実際の世界とコミュニケーションされた個人の援助において,増加する重要性を得ている。より良い分類精度の達成は,運動イメージベースのBCIの分野における主要な関心事である。分類性能を改善するためには,関連する特徴が重要な役割を果たす。関連する特徴を,極端な勾配Bayes最適化(XGBO)法によって選択することができた。本論文では,時間,周波数および空間関連MI特徴の組み合わせを抽出し,信頼できるMI-BCIシステムを設計した。提案方法は,EEG信号の分類のための特徴選択とランダムフォレストのためにXGBOアルゴリズムを組み込む。2つの公開EEGデータセット(BCI競争IIIデータセットIIIaとデータセットIVa)を用いて,提案システムの効力を調べた。新しいXGBOアルゴリズムは,特徴の次元を減らすことによって,精度を増加させ,時間消費を減らす。提案アルゴリズムは,MIベースBCIシステムに対する計算効率を増加させる特徴の最小数を選択する。提案方法を,ANOVA,逐次フォワード選択,再帰的特徴除去,およびLASSO方式と比較し,そして,精度率を,最低計算時間で増加する。提案方法は,データセットIIIaとIVaに対して,それぞれ94.44%と88.72%の平均精度,および5.56%と11.28%の分類誤差を達成した。それは,データセットIIIaとIVaの精度において,それぞれ0.87%と0.59%の4つの最先端の方法より優れている。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  コミュニケーション ,  分散分析 ,  *電動機 ,  *特徴選択 ,  *画像信号
準シソーラス用語： 計算効率 ,  *ブースティング ,  運動イメージ ,  分類精度 ,  ブレインコンピュータインタフェイス ,  ランダムフォレスト ,  脳波信号 ,  フォワードセレクション , 【Automatic Indexing@JST】

著者キーワード (5件)： 脳コンピュータインタフェイス(BCI) ,  特徴選択 ,  運動イメージ(MI) ,  ランダムフォレスト ,  EEG

分類 (2件)： 生体計測  (EL03020C) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (7件)： BCI ,  画像信号 ,  分類 ,  極値 ,  勾配ブースティング ,  Bayes最適化 ,  特徴選択