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
共找到6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：
基于总体经验模态分解的多类特征的运动想象脑电识别方法研究 被引量：31
1
作者 杨默涵 陈万忠 李明阳 《自动化学报》 EI CSCD 北大核心 2017年第5期743-752,共10页
人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性及非平稳性的特点使其不易分析处理,其识别效果也依赖于数据集的不同,而表现不稳定.本文中应用的总体经验模态分解(Ensemble empirical mode decomposition,EEMD)是一种具有强... 人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性及非平稳性的特点使其不易分析处理,其识别效果也依赖于数据集的不同,而表现不稳定.本文中应用的总体经验模态分解(Ensemble empirical mode decomposition,EEMD)是一种具有强自适应性的信号处理方法,其在时频域展现的良好分辨率特别适合脑电识别任务处理.本文提出利用EEMD分解后得到的较具影响能力的固有模态函数(Intrinsic mode functions,IMFs),利用希尔伯特变换提取边际谱(Marginal spectrum,MS)及瞬时能谱(Instantaneous energy spectrum,IES)时频特征,同时通过加窗的方法提取非线性动力学特征近似熵特征,利用线性判别分类器(Linear discriminant analysis,LDA)作为分类器,实验结果得出,对于被试S2和被试S3可达到识别率分别为79.60%和87.77%,实验中9名被试的平均识别率为82.74%,得到平均识别率也高于近期使用相同数据集文献的其他方法. 展开更多
关键词 脑电信号 运动想象 总体经验模态分解 线性判别分类器
下载PDF
基于MEMD和TK能量算子的肌电信号手势识别 被引量：7
2
作者 裴晓敏 宋佳强 +1 位作者 曹江涛 刘洪海 《电子测量与仪器学报》 CSCD 北大核心 2021年第1期82-87,共6页
为提高肌电信号手势识别的准确率,提出基于时频域分析的肌电信号特征提取方法。该方法利用无线肌电信号采集装置获得肌电信号,采用基于多元经验模态分解(multivariate empirical mode decomposition, MEMD)和TK(Teager-Kaiser)能量算子... 为提高肌电信号手势识别的准确率,提出基于时频域分析的肌电信号特征提取方法。该方法利用无线肌电信号采集装置获得肌电信号,采用基于多元经验模态分解(multivariate empirical mode decomposition, MEMD)和TK(Teager-Kaiser)能量算子的肌电信号特征提取方法,利用多维尺度分析(multi-dimensional scaling, MDS)对多通道特征降维,采用线性判别分类器(linear discriminant analysis, LDA)对手势特征分类识别。将该算法应用于UCI数据库,手势识别准确率达98.96%,应用于自主采集数据库准确率达99.37%,同时F1 score具有明显提升。实验结果表明,与典型方法相比,所提出的肌电信号特征提取方法对手势识别的准确率更高。 展开更多
关键词 表面肌电信号 多元经验模态分解 Teager-Kaiser能量 多维尺度分析 线性判别分类器
下载PDF
基于散度分析的脑电信号特征选择 被引量：4
3
作者 唐肖芳 周金治 《计算机工程》 CAS CSCD 北大核心 2015年第5期290-294,共5页
为准确选择脑电信号的频率与通道参数,提高样本的分类识别率,提出一种基于散度的脑电信号特征选择方法。利用散度分析算法从样本数据的原始特征中选取散度值较大的k个特征,并对其进行基于共空间模型的特征提取与线性判别分类器的分类识... 为准确选择脑电信号的频率与通道参数,提高样本的分类识别率,提出一种基于散度的脑电信号特征选择方法。利用散度分析算法从样本数据的原始特征中选取散度值较大的k个特征,并对其进行基于共空间模型的特征提取与线性判别分类器的分类识别。使用2005年BCI竞赛提供的IVa数据集5位样本数据进行实验,结果表明,采用散度分析算法得到的测试样本与训练样本平均识别率为95.54%和84.57%,均高于相关系数和互信息选择算法。 展开更多
关键词 脑电信号 脑机接口 特征选择 散度 共空域模式 线性判别分类器
下载PDF
基于LDA和SVM的肺结节CT图像自动检测与诊断 被引量：9
4
作者 曹蕾 黎维娟 冯前进 《南方医科大学学报》 CAS CSCD 北大核心 2011年第2期324-328,共5页
在已实现疑似肺结节图像分割的基础上,提取肺结节图像多维特征,应用LDA和SVM统计分类器,通过对大量样本的训练,实现对肺结节CT图像的自动检测和诊断。实验结果表明该检测和诊断方法达到了较好的分类效果,是适用于CAD系统的实用方法。
关键词 CAD 线性判别式分类器 支持向量机 CT图像 肺结节检测 肺结节诊断
下载PDF
基于多传感器的人体运动模式识别 被引量：7
5
作者 张乾勇 张涛 赵治羽 《传感器与微系统》 CSCD 2019年第2期73-76,共4页
针对日常生活中人体的运动具有准周期特性的特点,设计了一种基于加速度信息与脚底压力的下肢运动信息采集系统。通过采集脚底压力信息监测关键步态事件,在事件前后对下肢加速度数据进行特征提取,从而对4种常见行为(走路、跑步、上楼和下... 针对日常生活中人体的运动具有准周期特性的特点,设计了一种基于加速度信息与脚底压力的下肢运动信息采集系统。通过采集脚底压力信息监测关键步态事件,在事件前后对下肢加速度数据进行特征提取,从而对4种常见行为(走路、跑步、上楼和下楼)进行识别。实验结果表明:提出的方法在仅提取较为简单的时域特征信息情况下,平均识别正确率为94. 79%。 展开更多
关键词 行为识别 步态事件检测 Relief特征选取 线性判别分析分类器 外骨骼
下载PDF
基于TrAdaBoost的跨脑辨识P300电位研究 被引量：3
6
作者 徐桂芝 林放 +2 位作者 宫铭鸿 李梦凡 于洪丽 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第4期531-540,共10页
P300电位的个体差异导致基于该电位的脑-机交互系统需要每位被试的大量训练数据来构建模式识别模型,引起被试的训练疲劳,并可能由此导致系统性能降低。TrAdaBoost是一种把源领域的知识迁移到目标领域,进而使目标领域能获得更好的学习效... P300电位的个体差异导致基于该电位的脑-机交互系统需要每位被试的大量训练数据来构建模式识别模型,引起被试的训练疲劳,并可能由此导致系统性能降低。TrAdaBoost是一种把源领域的知识迁移到目标领域,进而使目标领域能获得更好的学习效果的迁移学习方法。本研究针对P300电位的跨脑辨识问题,提出基于TrAdaBoost的线性判别分类算法和支持向量机,将同被试的少量数据训练的分类器与不同被试的大量数据训练的分类器按权重组成融合分类器。与只采用少量同被试数据或者混合不同被试数据来直接进行训练的传统学习方式相比,本文算法在少量样本情况下将准确率分别提高了19.56%和22.25%,信息传输率分别提高了14.69 bits/min和15.76 bits/min,有望提高脑-机交互系统对被试个体差异的泛化能力。 展开更多
关键词 脑-机接口 P300 迁移学习 TrAdaBoost 线性判别式分类器 支持向量机
原文传递
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
使用帮助 返回顶部