文献

J-GLOBAL ID：202202221795435941   整理番号：22A1194051

K近傍に基づく運動想像分類におけるノイズ便益【JST・京大機械翻訳】

Noise Benefits in Motor Imagery Classification Using K-nearest neighbor

著者 (3件)： Chen Jiahui (南京郵電大学 理学院,江蘇 南京 210023) ,  Wang Youguo (南京郵電大学 理学院,江蘇 南京 210023) ,  Zhai Qiqing (南京郵電大学 理学院,江蘇 南京 210023)
資料名： Jisuanji Jishu yu Fazhan  (Jisuanji Jishu yu Fazhan)
巻： 32  号： 1  ページ： 79-84  発行年： 2022年 
JST資料番号： C3602A  ISSN： 1673-629X  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： 脳波信号におけるノイズ処理の問題はずっと脳-機械インターフェース(BCI)領域の重点研究方向であり、通常はノイズが有害であるため、脳波信号中のノイズ処理に対して、ノイズ或いは雑音除去を主とする。しかし、ランダム共鳴(SR)の思想により、非線形システムにおいてノイズはしばしば信号処理を増強できるが、脳波信号はよく非線形の特徴を有するため、ガウスノイズを用いて運動想像EEG信号の認識率を高める方法を提案した。EEG信号に独立なガウスノイズを加えることで、元の訓練セットとノイズを付加した訓練セットを直列に訓練サンプル量を増やし、訓練サンプル量増加とノイズ加入の段階(訓練あるいは/とテスト)を考慮に入れた。共空間パターン(CSP)とウェーブレットパケット変換(WPT)を用いて分類特徴を抽出し、K近傍(KNN)アルゴリズムを用いて分類を行った。実験結果は,適切な強度のノイズを加えると,システムの分類精度が向上し,ランダム共振現象が現れることを示した。トレーニングセットとテストセットの適当な強度と同じノイズを加えるとき,最大平均分類精度は,ノイズなしで9.28パーセントポイント増加した。K最近傍アルゴリズムの最大平均分類精度はディシジョンツリー(DT)とサポートベクトルマシン(SVM)より全体的に高く,K近傍アルゴリズムの優位性と信頼性を示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  共振 ,  共鳴 ,  *雑音 ,  非線形系 ,  信頼性 ,  研究 ,  信号処理 ,  Gauss雑音 ,  ディシジョンツリー ,  インタフェイス ,  ウェーブレット変換 ,  雑音除去 ,  サポートベクトルマシン
準シソーラス用語： 分類精度 ,  ウェーブレットパケット変換 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： 近傍 ,  運動 ,  想像 ,  分類 ,  ノイズ ,  便益