FastICA是独立成分分析法(ICA)中的一种快速算法,因其收敛速度快而备受关注.本文将基于负熵判据的FastICA算法应用于运动想象脑电信号的识别中,并根据ICA算法的特点设计了数据处理的实验流程.针对2003年国际BCI竞赛data set III中通道...FastICA是独立成分分析法(ICA)中的一种快速算法,因其收敛速度快而备受关注.本文将基于负熵判据的FastICA算法应用于运动想象脑电信号的识别中,并根据ICA算法的特点设计了数据处理的实验流程.针对2003年国际BCI竞赛data set III中通道数较少的问题,提出一种通道扩维算法,在不增加采集电极数的情况下,可成倍地增加相似通道的数量,提供更丰富的脑电信息.将通道扩维与FastICA算法相融合应用于国际BCI竞赛数据的处理中,实验结果表明通道扩维算法提升了FastICA算法的分类准确率,同时FastICA算法处理信息速度较快的特点也弥补了通道扩维算法耗时较多的缺陷.展开更多
Fast ICA是独立成分分析法(ICA)中的一种快速算法,因其收敛速度快而备受关注。本文在基于负熵判据的Fast ICA算法的基础上,对其牛顿迭代法进行了改进,使其满足三阶收敛,减少了算法的迭代次数。把改进后的算法应用于运动想象脑电信号的...Fast ICA是独立成分分析法(ICA)中的一种快速算法,因其收敛速度快而备受关注。本文在基于负熵判据的Fast ICA算法的基础上,对其牛顿迭代法进行了改进,使其满足三阶收敛,减少了算法的迭代次数。把改进后的算法应用于运动想象脑电信号的识别中,并根据ICA算法的特点设计了数据处理的实验流程。通过两组实验的对比,得出结果,改进的算法较原算法提高了数据处理速度,ICA算法更适合于多任务或多通道的运动想象脑电信号识别。本文的研究结论为更好地选择BCI算法奠定了理论基础。展开更多
文摘FastICA是独立成分分析法(ICA)中的一种快速算法,因其收敛速度快而备受关注.本文将基于负熵判据的FastICA算法应用于运动想象脑电信号的识别中,并根据ICA算法的特点设计了数据处理的实验流程.针对2003年国际BCI竞赛data set III中通道数较少的问题,提出一种通道扩维算法,在不增加采集电极数的情况下,可成倍地增加相似通道的数量,提供更丰富的脑电信息.将通道扩维与FastICA算法相融合应用于国际BCI竞赛数据的处理中,实验结果表明通道扩维算法提升了FastICA算法的分类准确率,同时FastICA算法处理信息速度较快的特点也弥补了通道扩维算法耗时较多的缺陷.