基于独立分量分析和普鲁克分析的运动想象迁移学习策略

摘要：

针对传统上基于运动想象的脑机接口系统在应用之前需要进行枯燥冗长的校准实验的问题,提出基于独立分量分析(ICA)和普鲁克分析的迁移学习算法.该算法采用独立分量分析对脑电信号进行空间滤波,对比应用多种对齐变换方法,实现对样本数据的平移和缩放.并提出欧氏空间下的旋转变换方法,以进一步匹配目标受试者与其他受试者的样本分布,实现有效的跨受试者和跨数据集的迁移学习.所提算法相较基于黎曼普鲁克分析的方法具有更好的分类性能以及计算效率,并在公共数据集PhysionetMI和BCI-IV-2a上较传统机器学习算法将平均kappa值提高了约0.1和0.04.结果表明该方法能有效提高小样本下的分类正确率,这有助于降低对校准数据量的需求,从而减少校准实验的耗时.

关键词：运动想象、脑机接口、独立分量分析(ICA)、普鲁克分析、迁移学习

所属期刊栏目：33

分类号：G633.41;H319.3;G442

资助基金：国家重点研发计划;国家重点研发计划;浙江省公益项目

在线出版日期：2023-09-22（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：683-691