组LASSO罚多变量自回归模型脑电特征分工类

摘要：

自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法.AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题.为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类.实验结果表明,组LASSO罚MVAR模型的分类正确率达93％,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率.

关键词：脑机接口(BCI)、脑电信号(EEG)、特征提取、多变量自回归(MVAR)模型、正则化、组LASSO

所属期刊栏目：29

分类号：S27;S11

资助基金：国家自然科学基金61473339;首批河北省青年拔尖人才支持计划[2013]17;京津冀基础研究合作专项F2019203583

在线出版日期：2019-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1073-1081