基于AdaBoost的脑机接口分类算法研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于AdaBoost的脑机接口分类算法研究

田银, 李沛洋, 徐鹏

文章导航 > 电子科技大学学报 > 2013 > 42(5): 791-793

田银, 李沛洋, 徐鹏. 基于AdaBoost的脑机接口分类算法研究[J]. 电子科技大学学报, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

引用本文:

田银, 李沛洋, 徐鹏. 基于AdaBoost的脑机接口分类算法研究[J]. 电子科技大学学报, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

TIAN Yin, LI Pei-yang, XU Peng. Brain-Computer Interface Classification Based on AdaBoost[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

Citation:

TIAN Yin, LI Pei-yang, XU Peng. Brain-Computer Interface Classification Based on AdaBoost[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

基于AdaBoost的脑机接口分类算法研究

doi: 10.3969/j.issn.1001-0548.2013.05.029

田银^1,2,
李沛洋^1,2,
徐鹏²

1.
重庆邮电大学生物信息学院重庆南岸区 400065;
2.
电子科技大学神经信息教育部重点实验室成都 610054

基金项目:

国家自然科学基金(31100745,61175117,31170953);重庆市教委项目(KJ110502)

作者简介:
田银(1972-),女,副教授,主要从事脑电信号处理、认知神经科学方面的研究.

中图分类号: R318

Brain-Computer Interface Classification Based on AdaBoost

1.
College of Bio-Information,Chongqing University of Posts and Telecommunications Nan'an Chongqing 400065;
2.
Key Laboratory for NeuroInformation of Ministry of Education,School of Life Science and Technology,University of Electronic Science and Technology of China Chengdu 610054

摘要: 依据AdaBoost思想对BP神经网络、线性判别式以及支撑向量机三种传统分类器进行强化训练形成强分类器。在传统训练的基础上,根据分类器的映射特点选择相应的预处理方法和权值分布函数,降低分类器对数据特点的依赖性,提高AdaBoost的训练效果。对基于左右手运动想象的实际脑电数据进行模式分类,发现采用该思想训练的强分类器能不同程度地提高分类效果。该算法具有一定的推广意义,也证实了AdaBoost算法在脑机接口技术开发中的应用潜力。
- 脑机接口 /
- 分类器 /
- 脑电信号 /
- 运动想象 /
- 支撑向量机
Abstract: Using the adaptive boosting (AdaBoost) algorithm, the traditional classifiers, i.e. the BP neural network, the support vector machine (SVM) and the linear discriminant analysis (LDA) classifier, are trained into stronger ones. Based on traditional classifiers, the function weights and data processing are first adjusted according to the mapped output of classifiers. This method could effectively decrease the dependence on data features. These trained classifiers are then used to identify a group of data elicited by motor imagery. Based on the AdaBoost algorithm, the trained classifiers can obtain higher classification accuracy than the traditional ones. These results confirm the potential valuation of AdaBoost algorithm in BCI applications.
- brain-computer interface /
- classifier /
- EEG /
- motor imagery /
- support vector machine

[1]	袁月婷, 闫光辉, 常文文, 张玉婵. 基于脑电信号空域特征的紧急制动行为识别 . 电子科技大学学报, 2024, 53(1): 84-91. doi: 10.12178/1001-0548.2022380
[2]	常文文, 聂文超, 袁月婷, 闫光辉, 杨志飞, 张冰涛, 张学军. 基于多层脑功能网络特征的动作意图识别 . 电子科技大学学报, 2023, 52(1): 14-22. doi: 10.12178/1001-0548.2022292
[3]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[4]	沈丽丽, 耿小荃. 立体深度运动感知的脑电信号研究 . 电子科技大学学报, 2020, 49(4): 603-608, 621. doi: 10.12178/1001-0548.2019039
[5]	高军峰, 张家琦, 韦思宏, 彭丝雨, 周到. 冰毒成瘾者脑电信号的分类研究 . 电子科技大学学报, 2020, 49(6): 955-960. doi: 10.12178/1001-0548.2020013
[6]	唐贤伦, 刘雨微, 万亚利, 马艺玮. 堆叠稀疏降噪自编码的脑电信号识别 . 电子科技大学学报, 2019, 48(1): 62-67. doi: 10.3969/j.issn.1001-0548.2019.01.011
[7]	赵敏, 赵春临. 心理意识真实性的事件相关同步研究 . 电子科技大学学报, 2019, 48(3): 469-474. doi: 10.3969/j.issn.1001-0548.2019.03.025
[8]	曹健, 魏星, 李海生, 蔡强. 基于局部特征的图像分类方法 . 电子科技大学学报, 2017, 46(1): 69-74. doi: 10.3969/j.issn.1001-0548.2017.01.011
[9]	高军峰, 司慧芳, 于晓琳, 顾凌云. 多导脑电复杂度特征的谎言测试研究 . 电子科技大学学报, 2017, 46(4): 636-640. doi: 10.3969/j.issn.1001-0548.2017.04.026
[10]	袁勤, 黎源, 谭波. 基于似然同步方法的非线性脑电信号分析方法 . 电子科技大学学报, 2015, 44(2): 316-320. doi: 10.3969/j.issn.1001-0548.2015.02.027
[11]	董琪, 秦臻, 胡靓, 庄柳静, 张斌, 王平. 基于脑-机接口和嗅觉解码的仿生气味识别系统 . 电子科技大学学报, 2015, 44(5): 795-799. doi: 10.3969/j.issn.1001-0548.2015.05.026
[12]	肖毅, 陈善广, 韩东旭, 王春慧. 脑电信号多重粗粒化复杂度分析方法研究 . 电子科技大学学报, 2013, 42(3): 470-474. doi: 10.3969/j.issn.1001-0548.2013.03.029
[13]	王晓, 刘小芳. 基于NSVM的核空间训练数据减少方法 . 电子科技大学学报, 2013, 42(4): 592-596. doi: 10.3969/j.issn.1001-0548.2013.04.012
[14]	刘丹, 李毅超, 余三超, 陈沁源. 面向P2P网络的DDoS攻击抑制方法 . 电子科技大学学报, 2011, 40(1): 85-89.
[15]	甘玲, 朱江, 苗东. 扩展Haar特征检测人眼的方法 . 电子科技大学学报, 2010, 39(2): 247-250,231. doi: 10.3969/j.issn.1001-0548.2010.02.020
[16]	高晴, 陈华富. 基于动态因果模型的运动执行和运动想象脑网络研究 . 电子科技大学学报, 2010, 39(3): 457-460. doi: 10.3969/j.issn.1001-0548.2010.03.030
[17]	唐艳, 柳建新, 龚安栋. 脑-机接口中新的脑电数据分类方法 . 电子科技大学学报, 2009, 38(6): 1034-1038. doi: 10.3969/j.issn.1001-0548.2009.06.030
[18]	尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松. 基于脑电的脑-机接口：关键技术和应用前景 . 电子科技大学学报, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009
[19]	唐艳, 柳建新, 龚安栋. ICA+CSSD的脑-机接口分类 . 电子科技大学学报, 2008, 37(3): 466-469.
[20]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.

WeChat

点击查看大图

计量

文章访问数: 3501
HTML全文浏览量: 171
PDF下载量: 103
被引次数: 0

基于AdaBoost的脑机接口分类算法研究

doi: 10.3969/j.issn.1001-0548.2013.05.029

1. 重庆邮电大学生物信息学院重庆南岸区 400065;

2. 电子科技大学神经信息教育部重点实验室成都 610054

基金项目:

国家自然科学基金(31100745,61175117,31170953);重庆市教委项目(KJ110502)

作者简介:
田银(1972-),女,副教授,主要从事脑电信号处理、认知神经科学方面的研究.

收稿日期: 2012-06-19
修回日期: 2013-01-11
刊出日期: 2013-10-15

中图分类号: R318

关键词:

摘要: 依据AdaBoost思想对BP神经网络、线性判别式以及支撑向量机三种传统分类器进行强化训练形成强分类器。在传统训练的基础上,根据分类器的映射特点选择相应的预处理方法和权值分布函数,降低分类器对数据特点的依赖性,提高AdaBoost的训练效果。对基于左右手运动想象的实际脑电数据进行模式分类,发现采用该思想训练的强分类器能不同程度地提高分类效果。该算法具有一定的推广意义,也证实了AdaBoost算法在脑机接口技术开发中的应用潜力。

English Abstract

田银, 李沛洋, 徐鹏. 基于AdaBoost的脑机接口分类算法研究[J]. 电子科技大学学报, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

引用本文:

田银, 李沛洋, 徐鹏. 基于AdaBoost的脑机接口分类算法研究[J]. 电子科技大学学报, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

TIAN Yin, LI Pei-yang, XU Peng. Brain-Computer Interface Classification Based on AdaBoost[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

Citation:

TIAN Yin, LI Pei-yang, XU Peng. Brain-Computer Interface Classification Based on AdaBoost[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发