2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩62頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、腦機(jī)接口(BrainComputerInterface,BCI)的目標(biāo)是利用大腦產(chǎn)生的信號(hào)建立一種把使用者的意圖轉(zhuǎn)變?yōu)橥獠吭O(shè)備控制信號(hào)的全新交流通道。腦機(jī)接口一般由信號(hào)的獲取、特征提取和模式識(shí)別等部分組成。實(shí)際的腦機(jī)接口中,正確率和信息傳輸速率是衡量系統(tǒng)性能的兩個(gè)主要指標(biāo)。信息傳輸速率影響腦機(jī)接口實(shí)時(shí)通信的能力,如計(jì)算機(jī)的控制與應(yīng)用,然而,現(xiàn)在腦機(jī)接口的發(fā)展受到系統(tǒng)低的信息傳送速率和較差的分類結(jié)果影響而不能真正的應(yīng)用于臨床。解決系統(tǒng)傳輸

2、速率問(wèn)題的一個(gè)可行的方案是使原本的兩類模式BCI轉(zhuǎn)變?yōu)槎嗳蝿?wù)模式,但是當(dāng)模式增多時(shí),信號(hào)處理和機(jī)器學(xué)習(xí)的困難變得顯著,新的模式可能影響到原本的模式使得分類的正確率下降。因此,BCI的發(fā)展只有結(jié)合信號(hào)處理和機(jī)器學(xué)習(xí)的先進(jìn)方法,并聯(lián)合相關(guān)的神經(jīng)生理學(xué)知識(shí)才能取得進(jìn)步。 本工作主要是聯(lián)合信號(hào)處理和機(jī)器學(xué)習(xí)的方法,本文中,我們首先使用兩種概率分類方法:支持向量機(jī)(supportvectormachine,SVM)后驗(yàn)概率模型和貝葉斯線性

3、判決分析(Bayesianlineardiscriminantanalysis,BLDA)來(lái)獲得分類的概率投票結(jié)果。其次,基于獲得的后驗(yàn)概率和概率,我們提出了兩種提高系統(tǒng)分類性能的方法:基于SVM后驗(yàn)概率的訓(xùn)練樣本擴(kuò)充和基于貝葉斯線性判決分析的訓(xùn)練樣本擴(kuò)充,其原理是利用大概率的測(cè)試樣本數(shù)據(jù)來(lái)擴(kuò)充原本的訓(xùn)練集合使分類器重新學(xué)習(xí)。我們把這些分類方法在兩個(gè)4類運(yùn)動(dòng)想象數(shù)據(jù)集合上進(jìn)行測(cè)試,應(yīng)用共空間模式的多類擴(kuò)展方法進(jìn)行特征提取,然后分別用上面

4、的方法得到概率分類的結(jié)果和擴(kuò)充樣本后重新學(xué)習(xí)分類的結(jié)果。文中還比較了兩種常用的多分類方法:一對(duì)多SVM和Mahalanobis距離分類器,同時(shí)在特征聯(lián)合和模式分類中我們還考慮了信號(hào)的時(shí)-頻-空域的聯(lián)合分類和分類器聯(lián)合方法。測(cè)試結(jié)果表明:(1)概率信息能提高BCI的分類性能;(2)基于概率信息的樣本擴(kuò)充方法能使得分類器進(jìn)行重新的學(xué)習(xí),得到更穩(wěn)定的分類結(jié)果,故能減小訓(xùn)練的過(guò)程和增加機(jī)器學(xué)習(xí)的自適應(yīng)性;(3)特征的聯(lián)合與分類器聯(lián)合在BCI的分

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論