首页 | 本学科首页   官方微博 | 高级检索  
     

引入迁移学习的癫痫EEG信号自适应识别
引用本文:杨昌健,邓赵红,蒋亦樟,王士同. 引入迁移学习的癫痫EEG信号自适应识别[J]. 计算机工程, 2015, 0(6)
作者姓名:杨昌健  邓赵红  蒋亦樟  王士同
作者单位:江南大学数字媒体学院,江苏 无锡,214000
基金项目:国家自然科学基金资助项目,教育部新世纪优秀人才支持计划基金资助项目(NCET-12-0882)。
摘    要:在脑电图( EEG)信号识别中,EEG信号的采样环境、病人状态的多样性导致分类器训练所用的源域与分类器测试所用的目标域不匹配,分类器在目标域上表现不佳。为此,引入邻域适应策略,提出一种基于子空间相似度的改进主成分分析特征提取方法( SSM-PCA),在选择主成分时,考虑源域和目标域数据的几何和统计特性,并结合迁移学习分类器大间隔投射迁移支持向量机( LMPROJ),给出以SSM-PCA为基础的LMPROJ分类识别方法。实验结果表明,与结合PCA特征抽取技术和K近邻分类器实现的识别方法相比,该方法在识别正确率方面得到较大提升。

关 键 词:特征迁移  迁移学习  脑电图信号  特征提取  分布多样性  主成分分析

Adaptive Recognition of Epileptic EEG Signal with Migration Learning
YANG Changjian,DENG Zhaohong,JIANG Yizhang,WANG Shitong. Adaptive Recognition of Epileptic EEG Signal with Migration Learning[J]. Computer Engineering, 2015, 0(6)
Authors:YANG Changjian  DENG Zhaohong  JIANG Yizhang  WANG Shitong
Abstract:
Keywords:feature migration  migration learning  Electroencephalogram(EEG) signal  feature extraction  diversity of distribution  Principal Component Analysis(PCA)
本文献已被 万方数据 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