在脑电信号的肢体运动想象特征分类识别中,融合不同域特征提取时,存在动作识别准确度不高的问题。针对此问题,本文依据多通道采集中肢体运动想象脑电特征的复杂不同域关系,设计了用于识别肢体动作的脑电-对称正定网络运动特征分类模型,...在脑电信号的肢体运动想象特征分类识别中,融合不同域特征提取时,存在动作识别准确度不高的问题。针对此问题,本文依据多通道采集中肢体运动想象脑电特征的复杂不同域关系,设计了用于识别肢体动作的脑电-对称正定网络运动特征分类模型,有效提取并融合不同域特征,实现了基于脑电信号的肢体特征分类以及动作的有效识别。实验结果表明,在识别四类肢体是否运动的运动想象数据集BCI Competition IV 2a上,基于所构建的分类模型在动作识别时的准确率达到0.85,Kappa系数达到0.80,具有较高精度。展开更多
文摘在脑电信号的肢体运动想象特征分类识别中,融合不同域特征提取时,存在动作识别准确度不高的问题。针对此问题,本文依据多通道采集中肢体运动想象脑电特征的复杂不同域关系,设计了用于识别肢体动作的脑电-对称正定网络运动特征分类模型,有效提取并融合不同域特征,实现了基于脑电信号的肢体特征分类以及动作的有效识别。实验结果表明,在识别四类肢体是否运动的运动想象数据集BCI Competition IV 2a上,基于所构建的分类模型在动作识别时的准确率达到0.85,Kappa系数达到0.80,具有较高精度。
