-
题名多项正则化约束的伪标签传播优化脑电信号聚类
被引量：1
- 1
-
-
作者
代成龙
李光辉
李栋
申佳华
皮德常
-
机构
江南大学人工智能与计算机学院
南京航空航天大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第1期156-171,共16页
-
基金
国家自然科学基金项目(62106087)
江苏省自然科学基金项目(BK20210455)
中央高校基本科研业务费专项资金(JUSRP122033)。
-
文摘
作为一种非侵入式分析载体,脑电信号目前被广泛应用于脑-机接口、医疗辅助诊断及康复领域,但这些应用通常依赖需要完整标签的有监督分析技术,如分类.随着无标签脑电信号的与日俱增,现有的有监督方法不能有效解决无标签脑电信号分析问题,也在一定程度上限制了无标签脑电信号这类新型数据的应用拓展.为了解决无标签脑电信号的无监督分析问题,提出了一种基于多项正则化约束的伪标签传播优化聚类模型.该模型通过同时优化学习伪标签传播矩阵、脑电信号相似度邻接矩阵、标签分类器的方式实现聚类.将提出的脑电信号聚类模型转化为一个多目标优化问题,并提出了一种基于梯度下降策略的聚类算法EEGapc(electroencephalogram clustering with pseudo label propagation).该算法不仅充分考虑了脑电信号之间的相关性及脑电信号间的信息传递,还能快速收敛到局部最优.在14个真实脑电信号数据集上的实验结果表明,提出的EEGapc脑电信号聚类算法比现有的8种聚类算法性能更好,且在平均NMI(normalized mutual information),ARI(adjusted rand index),F-score,kappa这4个指标上,EEGapc与现有的8种聚类算法相比,分别至少提升了86.88%,58.01%,6.29%,61.17%.
-
关键词
脑电信号聚类
伪标签传播
邻接矩阵优化
伪标签分类器
多目标优化
-
Keywords
electroencephalogram clustering
pseudo label propagation
adjacency matrix optimization
pseudo label classifier
multi-objective optimization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
