首页 | 本学科首页   官方微博 | 高级检索  
     

基于矩阵/张量分解优化NLC算法的MC-EEG压缩
引用本文:齐兴斌,赵丽,李雪梅,田涛. 基于矩阵/张量分解优化NLC算法的MC-EEG压缩[J]. 激光杂志, 2014, 0(10)
作者姓名:齐兴斌  赵丽  李雪梅  田涛
作者单位:1. 山西大学 计算机工程系,太原,030013
2. 北京师范大学 教育信息技术协同创新中心,北京,100875
基金项目:国家自然科学基金资助项目(61202163);山西省自然科学基金项目(2013011017-2);山西省科技攻关项目
摘    要:
针对脑电图压缩效率问题,本文提出一种新的基于矩阵/张量分解的近无损多通道脑电图压缩算法。通过矩阵/张量分解模型对MC-EEG多路形式进行有效地相关分析,从而提出基于"有损编码加上残余编码"组成的矩阵/张量的压缩算法,对有损编码器编码分解后的残余部分进行算术编码,有效地保证了原始信号和重构信号之间的最大绝对误差。在三个不同的头皮脑电图数据集和颅内脑电图数据集上的实验验证了本文算法的有效性,实验结果表明,在同样的压缩比下,该算法比基于小波体积脑电压缩算法平均误差低了近五倍。

关 键 词:脑电图  矩阵/张量分解  有损编码  近无损压缩算法  重构信号

MC-EEG Compression Based on Near-Lossless Optimized by Matrix and Tensor Decompositions
QI Xing-bin,ZHAO Li,LI Xue-mei,TIAN Tao. MC-EEG Compression Based on Near-Lossless Optimized by Matrix and Tensor Decompositions[J]. Laser Journal, 2014, 0(10)
Authors:QI Xing-bin  ZHAO Li  LI Xue-mei  TIAN Tao
Abstract:
Keywords:MC-EEG  Matrix/Tensor Decompositions  Lossy encoding  Near-Lossless Compression  Recon-structed signals
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号