本文主要研究内容
作者杜秀兰,张进,毛晓前,张凯莉,李伟（2019）在《基于Fisher+Fuzzy算法提高SSVEP脑电信号分类》一文中研究指出：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。
Abstract
wei le di gao nao -ji jie kou (Brain-ComputerInterface,BCI)ji tong zhong ji yu wen tai shi jiao you fa dian wei (Steady-stateVisualEvokedPotentials,SSVEP)xin hao de fen lei zhun que lv ,di chu le yi chong xin de ji yu Fisher+Fuzzyde fen lei suan fa 。gai suan fa shou xian dui di qu de nao dian te zheng li yong Fishersuan fa de dao zui jia tou ying fang xiang he yu zhi ,ran hou dui yang ben dian dao zui jia chao tou ying mian de ju li djin hang mo hu hua ,zai tong guo mo hu tui li que ding fen lei jie guo 。gai fen lei suan fa gai shan le zai SSVEPfen lei zhong shi yong chan yi Fisherfen lei qi nan yi dui duo fen lei wen ti zhong chu yu qi yi ou de yang ben jin hang you xiao fen lei de wen ti 。jie guo xian shi zai SSVEPde san 、si 、wu fen lei zhong ,Fisher+Fuzzyfen lei qi qu de le 94.72%,92.18%,86.08%de ping jun fen lei zhun que lv ,gao yu chan yi Fisherfen lei qi 90.07%,80.60%,74.42%de ping jun zhun que lv ,dui ju you jiao di ke fen xing de shu ju ji jin hang fen lei shi zhun que lv xian zhe di gao 。
论文参考文献
论文详细介绍
论文作者分别是来自控制工程的杜秀兰,张进,毛晓前,张凯莉,李伟，发表于刊物控制工程2019年06期论文，是一篇关于脑机接口论文,稳态视觉诱发电位论文,控制工程2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自控制工程2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：脑机接口论文; 稳态视觉诱发电位论文; 控制工程2019年06期论文;