基于特征过滤和PCA降维的混合特征选择方法

摘要：

过滤式特征选择方法计算复杂度低、时间少,在运动想象脑电解码中应用广泛,但过滤式方法只考虑了特征对标签分类的重要性,忽略了特征之间的相关性.为此提出了一种基于特征过滤和主成分分析(PCA)降维的混合特征选择方法,并应用于运动想象脑电解码.首先,使用方差、相关系数和Relief过滤式方法对特征的重要性进行排序.其次,对三种过滤式方法所选择的特征子集进行PCA降维,并结合Fisher线性判别分析(FL-DA)和交叉验证选择最优的特征个数以及主成分个数.最后,使用FLDA对PCA降维后的特征进行分类.在两个公开的脑机接口(BCI)竞赛数据集上验证所提方法的有效性,其中基于Relief和PCA结合的混合特征选择方法取得了79.85％的最高平均分类准确率.实验结果表明,PCA降维对Relief过滤式方法的改进效果比较显著.

关键词：运动想象、脑电解码、特征选择、特征降维、分类

所属期刊栏目：27

分类号：TN911.7;R338

资助基金：广西高校中青年教师科研基础能力提升项目;桂林航天工业学院校级科研基金项目

在线出版日期：2022-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：145-151