多任務(wù)腦-機(jī)接口導(dǎo)聯(lián)選擇與分類算法研究.pdf

1、近年來,腦-機(jī)接口系統(tǒng)的發(fā)展得到了眾多國內(nèi)外研究人員的關(guān)注,并成為神經(jīng)工程領(lǐng)域一個新的研究熱點。隨著腦-機(jī)接口的不斷發(fā)展,研究人員正試圖將BCI技術(shù)應(yīng)用到實際生活中。但是,對基于運動想象的腦-機(jī)接口系統(tǒng),當(dāng)導(dǎo)聯(lián)數(shù)目過多時會導(dǎo)致共空域模式算法的性能降低,因此腦-機(jī)接口系統(tǒng)一直難以在現(xiàn)實生活中應(yīng)用。另外,隨著導(dǎo)聯(lián)數(shù)目的增加,多通道腦電信號的記錄需要復(fù)雜的準(zhǔn)備工作以及復(fù)雜的計算過程,既費時又可能降低分類正確率。
　　 為解決此問題,本

2、文提出四種導(dǎo)聯(lián)選擇算法:第一種是二進(jìn)制多目標(biāo)粒子群優(yōu)化算法(bMOPSO);第二種是基于培養(yǎng)的多目標(biāo)微粒群優(yōu)化算法(cMOPSO);第三種是L1-norm算法;第四種是基于濾波器組的cMOPSO算法(fbMOPSO)。bMOPSO算法和兩種cMOPSO算法都是基于微粒群(PSO)的,微粒群優(yōu)化是一種啟發(fā)式研究技術(shù),它是對鳥群尋找食物時的活動規(guī)律性進(jìn)行建模與仿真。起初,PSO算法主要用來解決單目標(biāo)優(yōu)化問題,MOPSO算法是PSO算法的擴(kuò)展

3、,它在解決多目標(biāo)優(yōu)化問題中應(yīng)用也越來越廣泛。大部分MOPSO算法在整個進(jìn)化過程中對所有粒子使用固定的權(quán)重和加速度,與bMOPSO算法不同,cMOPSO算法通過引入一個培養(yǎng)架構(gòu)去適應(yīng)變異粒子的個體飛行參數(shù)。第三種算法是典型的L1-norm算法,這個方法對兩分類數(shù)據(jù)能夠選擇較少的導(dǎo)聯(lián)數(shù)目。
　　 另外,本文用三種分類算法對腦電數(shù)據(jù)進(jìn)行分類:支持向量機(jī)(SVM)、k-近鄰法(k-NN)和BP神經(jīng)網(wǎng)絡(luò)算法。
　　 最后,分別對三