基于增强卷积神经网络模型的运动想象脑电信号识别方法
杨涛1
马玉良2
高云园2
佘青山2
张建海3
1.杭州电子科技大学智能控制与机器人研究所,浙江杭州3100182.杭州电子科技大学智能控制与机器人研究所,浙江杭州310018;浙江省脑机协同智能重点实验室,浙江杭州3100183.杭州电子科技大学计算机学院,浙江杭州310018;浙江省脑机协同智能重点实验室,浙江杭州310018
摘要：目的 针对运动想象脑电信号分类中模型泛化能力弱和分类精度不高的问题,提出一种基于增强卷积神经网络模型的识别方法.方法 首先采用短时傅里叶变换获取脑电时频图,构建卷积神经网络(CNN)模型,并加入dropout层防止网络训练过拟合;然后将多个预训练CNN模型作为基学习器,改进的AdaBoost算法根据分类误差率自动更新基学习器,将学习后的基学习器线性组合得到增强卷积神经网络模型;最后采用增强模型对测试数据进行分类并以kappa值作为评价指标.结果 通过增强CNN得到在BCI Competition Ⅳ 2b数据集上的kappa值为0.63,相较于竞赛优胜者提高了0.3,相比传统SVM方法提高了0.13.结论 增强卷积神经网络模型能有效识别运动想象脑电信号,具有较好的泛化能力且能改善分类效果.
关键词：运动想象脑电信号数据增强短时傅里叶变换卷积神经网络AdaBoost算法
分类号：R318.04(医用一般科学)
资助基金：国家自然科学基金(62071161)国家自然科学基金(61971168)国家自然科学基金(61871427)国家自然科学基金(61633010)浙江省自然科学基金(LY18F030009)
论文发表日期：2021-04-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 128-136 )
英文信息