论文摘要
为了提高脑-机接口（Brain-ComputerInterface,BCI）系统中基于稳态视觉诱发电位（Steady-stateVisualEvokedPotentials,SSVEP）信号的分类准确率,提出了一种新的基于Fisher+Fuzzy的分类算法。该算法首先对提取的脑电特征利用Fisher算法得到最佳投影方向和阈值,然后对样本点到最佳超投影面的距离d进行模糊化,再通过模糊推理确定分类结果。该分类算法改善了在SSVEP分类中使用单一Fisher分类器难以对多分类问题中处于歧义区的样本进行有效分类的问题。结果显示在SSVEP的三、四、五分类中,Fisher+Fuzzy分类器取得了94.72%,92.18%,86.08%的平均分类准确率,高于单一Fisher分类器90.07%,80.60%,74.42%的平均准确率,对具有较低可分性的数据集进行分类时准确率显著提高。
论文目录
文章来源
类型: 期刊论文
作者: 杜秀兰,张进,毛晓前,张凯莉,李伟
关键词: 脑机接口,稳态视觉诱发电位
来源: 控制工程 2019年06期
年度: 2019
分类: 信息科技,基础科学,医药卫生科技
专业: 生物学,生物医学工程,电信技术
单位: 天津大学电气自动化与信息工程学院,中国科学院沈阳自动化研究所机器人学国家重点实验室,加州州立大学贝克斯菲尔德分校计算机科学与电子工程系
基金: 国家自然科学基金资助项目(61473207),中国科学院前沿科学重点研究项目(QYZDY-SSW-JSC005)
分类号: R318;TN911.7
DOI: 10.14107/j.cnki.kzgc.170227
页码: 1060-1067
总页数: 8
文件大小: 827K
下载量: 140
相关论文文献
标签：脑机接口论文; 稳态视觉诱发电位论文;