首頁 > 期刊 > 自然科學與工程技術 > 醫(yī)藥衛(wèi)生科技 > 生物醫(yī)學工程 > 生物醫(yī)學工程學 > 基于TrAdaBoost的跨腦辨識P300電位研究 【正文】
基于TrAdaBoost的跨腦辨識P300電位研究
徐桂芝; 林放; 宮銘鴻; 李夢凡; 于洪麗 河北工業(yè)大學電氣工程學院省部共建電工裝備可靠性與智能化國家重點實驗室; 天津300132; 河北工業(yè)大學電氣工程學院河北省電磁場與電器可靠性重點實驗室; 天津300132
- p300
- 遷移學習
- tradaboost
- 線性判別式分類器
- 支持向量機
摘要：P300電位的個體差異導致基于該電位的腦-機交互系統(tǒng)需要每位被試的大量訓練數(shù)據(jù)來構建模式識別模型,引起被試的訓練疲勞,并可能由此導致系統(tǒng)性能降低。TrAdaBoost是一種把源領域的知識遷移到目標領域,進而使目標領域能獲得更好的學習效果的遷移學習方法。本研究針對P300電位的跨腦辨識問題,提出基于TrAdaBoost的線性判別分類算法和支持向量機,將同被試的少量數(shù)據(jù)訓練的分類器與不同被試的大量數(shù)據(jù)訓練的分類器按權重組成融合分類器。與只采用少量同被試數(shù)據(jù)或者混合不同被試數(shù)據(jù)來直接進行訓練的傳統(tǒng)學習方式相比,本文算法在少量樣本情況下將準確率分別提高了19.56%和22.25%,信息傳輸率分別提高了14.69 bits/min和15.76 bits/min,有望提高腦-機交互系統(tǒng)對被試個體差異的泛化能力。
- p300
- 遷移學習
- tradaboost
- 線性判別式分類器
- 支持向量機
摘要：P300電位的個體差異導致基于該電位的腦-機交互系統(tǒng)需要每位被試的大量訓練數(shù)據(jù)來構建模式識別模型,引起被試的訓練疲勞,并可能由此導致系統(tǒng)性能降低。TrAdaBoost是一種把源領域的知識遷移到目標領域,進而使目標領域能獲得更好的學習效果的遷移學習方法。本研究針對P300電位的跨腦辨識問題,提出基于TrAdaBoost的線性判別分類算法和支持向量機,將同被試的少量數(shù)據(jù)訓練的分類器與不同被試的大量數(shù)據(jù)訓練的分類器按權重組成融合分類器。與只采用少量同被試數(shù)據(jù)或者混合不同被試數(shù)據(jù)來直接進行訓練的傳統(tǒng)學習方式相比,本文算法在少量樣本情況下將準確率分別提高了19.56%和22.25%,信息傳輸率分別提高了14.69 bits/min和15.76 bits/min,有望提高腦-機交互系統(tǒng)對被試個體差異的泛化能力。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
生物醫(yī)學工程學
- 預計1-3個月 預計審稿周期
- 0.69 影響因子
- 醫(yī)學 快捷分類
- 雙月刊 出版周期
主管單位：四川省科學技術協(xié)會;主辦單位：四川大學華西醫(yī)院;四川省生物醫(yī)學工程學會
我們提供的服務
在線客服
一對一咨詢服務、簡單快捷、省時省力
了解更多 >
快遞配送
直郵到家、實時跟蹤、更安全更省心
了解更多 >
雜志訂閱
去除中間環(huán)節(jié)享受低價，物流進度實時通知
了解更多 >
雜志推薦
正版雜志，匹配度高、性價比高、成功率高
了解更多 >