期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于EEG握力变化及想象单次识别研究
被引量：
3
1
作者
陈睿
伏云发
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第2期159-166,共8页
目前基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)可提供的指令数相对较少,为增加新的控制参数,基于脑电(Electroencephalogram,EEG)研究握力变化及想象的单次识别.招募20名被试者参与实验,要求被试者用...
目前基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)可提供的指令数相对较少,为增加新的控制参数,基于脑电(Electroencephalogram,EEG)研究握力变化及想象的单次识别.招募20名被试者参与实验,要求被试者用右手执行三种不同握力大小(4 kg,10 kg,16 kg)的实际或想象任务,对任务期间覆盖运动区的九个通道的EEG数据进行分析,采用共同空间模式(Common Spatial Pattern,CSP)提取特征,然后利用极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM)进行单次识别. ELM对三类握力变化及想象的平均单次识别准确率分别为82. 3%±2. 1%和80%±1%,SVM对三类握力变化及其想象的平均单次识别准确率分别为86. 3%±5. 5%和83. 7%±3. 8%.实验结果表明,ELM和SVM能有效地识别三种不同握力大小的实际或想象任务,而SVM的分类结果更好,可望为MI-BCI增加新的控制参数提供新思路.
展开更多
关键词
脑-机接口
脑电
握力变化想象
极限学习机
单
次
识别
下载PDF
职称材料
基于矩阵灰建模的单次P300检测新方法
被引量：
2
2
作者
谢松云
张娟丽
+2 位作者
段绪
刘畅
李亚兵
《电子学报》
EI
CAS
CSCD
北大核心
2017年第7期1660-1667,共8页
针对少导联P300单次提取识别率较低的问题,提出了一种基于矩阵灰建模的参数模型法提取特征的方法,提高了P300单次识别率.首先对脑电信号进行预处理,然后选择导联组合,接着对每个Epoch进行建模,将模型参数作为特征向量输入SVM分类识别....
针对少导联P300单次提取识别率较低的问题,提出了一种基于矩阵灰建模的参数模型法提取特征的方法,提高了P300单次识别率.首先对脑电信号进行预处理,然后选择导联组合,接着对每个Epoch进行建模,将模型参数作为特征向量输入SVM分类识别.结果表明,单次P300的平均识别率为91.43%,叠加平均3次正确率可高达97.87%.
展开更多
关键词
P300特征提取
矩阵灰建模
单
次
识别
下载PDF
职称材料
题名
基于EEG握力变化及想象单次识别研究
被引量：
3
1
作者
陈睿
伏云发
机构
昆明理工大学信息工程与自动化学院
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第2期159-166,共8页
基金
国家自然科学基金(81470084,81771926,61763022,61463024)。
文摘
目前基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)可提供的指令数相对较少,为增加新的控制参数,基于脑电(Electroencephalogram,EEG)研究握力变化及想象的单次识别.招募20名被试者参与实验,要求被试者用右手执行三种不同握力大小(4 kg,10 kg,16 kg)的实际或想象任务,对任务期间覆盖运动区的九个通道的EEG数据进行分析,采用共同空间模式(Common Spatial Pattern,CSP)提取特征,然后利用极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM)进行单次识别. ELM对三类握力变化及想象的平均单次识别准确率分别为82. 3%±2. 1%和80%±1%,SVM对三类握力变化及其想象的平均单次识别准确率分别为86. 3%±5. 5%和83. 7%±3. 8%.实验结果表明,ELM和SVM能有效地识别三种不同握力大小的实际或想象任务,而SVM的分类结果更好,可望为MI-BCI增加新的控制参数提供新思路.
关键词
脑-机接口
脑电
握力变化想象
极限学习机
单
次
识别
Keywords
Brain-Computer Interface(BCI)
Electroencephalogram(EEG)
actual/imagined force change of hand clenching
Extreme Learning Machines(ELM)
single-trial recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于矩阵灰建模的单次P300检测新方法
被引量：
2
2
作者
谢松云
张娟丽
段绪
刘畅
李亚兵
机构
西北工业大学电子信息学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2017年第7期1660-1667,共8页
基金
国家自然科学基金(No.61273250)
陕西省科技攻关项目(No.2015GY003)
校研究生创业种子基金(No.Z2015112)
文摘
针对少导联P300单次提取识别率较低的问题,提出了一种基于矩阵灰建模的参数模型法提取特征的方法,提高了P300单次识别率.首先对脑电信号进行预处理,然后选择导联组合,接着对每个Epoch进行建模,将模型参数作为特征向量输入SVM分类识别.结果表明,单次P300的平均识别率为91.43%,叠加平均3次正确率可高达97.87%.
关键词
P300特征提取
矩阵灰建模
单
次
识别
Keywords
P300 feature extraction
matrix grey modeling
single trial identification
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于EEG握力变化及想象单次识别研究
陈睿
伏云发
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2020
3
下载PDF
职称材料
2
基于矩阵灰建模的单次P300检测新方法
谢松云
张娟丽
段绪
刘畅
李亚兵
《电子学报》
EI
CAS
CSCD
北大核心
2017
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
