| 基于样本迁移的在线脑电分类方法 |
| |
| 作者姓名： | 李震宇 佘青山 马玉良 张建海 孙明旭 |
| |
| 作者单位： | 杭州电子科技大学圣光机联合学院；杭州电子科技大学自动化学院(人工智能学院)；浙江省脑机协同智能重点实验室；济南大学自动化与电气工程学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61871427,62071161) ；山东省重点研发计划(重大科技创新工程)项目(2019JZZY021005) |
| |
| 摘 要： | 在线分类是脑机接口应用中的一个重要研究方向，传统的在线学习算法需要大量样本来适应脑电信号变化，这增加了计算和内存成本。为此，本文提出一种基于样本迁移的在线脑电分类方法。首先利用源域数据训练离线分类器，然后将目标域数据逐个放入进行在线欧式空间预对齐以减小个体差异性，进而提取CSP特征，最后采用加权组合的在线迁移学习分类器进行标签预测。在 BCI 竞赛 Ⅳ 数据集Ⅰ和Ⅱa的跨受试者在线模拟实验中，与4种最先进的算法相比，本文方法表现最好，在线平均分类准确率最高达到了86.02%和75.74%，表明了所提方法的有效性。
|
| 关 键 词： | 脑机接口；运动想象；迁移学习；在线分类 |
|
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
