Chernoff加权分类器框架在运动想象脑-机接口中的应用

作者：谭平; 刘利枚; 郭璠^*; 周开军

来源：电子与信息学报, 2020, 42(02): 488-494.

• 脑机接口
• 运动想象
• 概率模型
• Chernoff误差边界
• 模式分类

针对现有脑机接口(BCI)分类器与大脑认知过程结合不够紧密的问题,该文提出一种基于Chernoff加权的分类器集成框架方法,并用于同步运动想象脑机接口中。通过对训练数据进行统计分析,获得各时刻脑电信号(EEG)的统计特性,并建立基于大脑认知过程的高斯概率模型。然后利用Chernoff边界特性得到该概率模型的最小误差,并以此确定该时刻分类器的权重,通过对各时刻分类器的加权,实现同步脑机接口的信号分类。以脑机接口竞赛数据作为测试,并与线性判决分析、支持向量机和极限学习方法分别结合构成新的集成方法。由实验结果可知,加权集成框架方法的分类性能比原独立分类方法有显著提高。

• 出版日期2020
• 单位中南大学; 自动化学院; 湖南工商大学