基于AdaBoost的脑机接口分类算法探究.pdfVIP

第 42卷 第 5期 电 子 科 技 大 学 学 报 Vb1．42 NO．5 2Ol3年9月 JournalofUniversityofElectronicScienceandTechnologyofChina Sep．2013 · 生物电子学 · 基于AdaB00st的脑机接 口分类算法研究 田 银 2，李沛洋 2，徐 鹏 (1．重庆邮电大学生物信息学院 莺庆 南岸区 400065；2．电子科技大学神经信息教f部『霞点实验室 成都 610054) 【摘要】依据AdaBoost~-想对BP神经网络、线性判别式以及支撑向量机三种传统分类器进行强化训练形成强分类器。在 传统训练的基础上，根据分类器的映射特点选择相应的预处理方法和权值分布函数，降低分类器对数据特点的依赖性，提高 AdaBoost的训练效果。对基于左右手运动想象的实际脑电数据进行模式分类，发现采用该思想训练的强分类器能不同程度地 提高分类效果。该算法具有一定的推广意义，也证实了AdaBoost算法在脑机接 口技术开发中的应用潜力。 关 键 词 脑机接 口；分类器； 脑电信号；运动想象； 支撑向量机 中图分类号 R3l8 文献标志码 A doi：10．3969j／．issn．1001-0548．20l3．05．029 Brain．ComputerInterfalceClassificationBasedonAdaBoost TIAN Yin1．一LIPei—yangl andXU Peng2 ， ， (1．CollegeofBio-Information，ChongqingUniversityofPostsandTelecommunications Nan’anChongqing 400065； 2．KeyLaboratoryforNeurolnfomr ationofMinistryofEducation，SchoolofLifeSciencenadTechnology， UniversityofElectronicScienceandTechnologyofChina Chengdu 610054) Abstract Usingtheadaptiveboosting(AdaBoost)algorithm，thetraditionalclassifiers，i．e．theBPneural network，thesupportvectormachine(SVM)andthelineardiscriminantanalysis(LDA)classifier，aretrainedinto strongerones．BasedontraditionaIclassifiers．thefunctionweightsanddataprocessingarefirstadjustedaccording tothemappedoutputofclassifiers．Thismethodcouldeffectivelydecreasethedependenceondatafeatures．These trainedclassifiersarethenusedto identify agroupofdataelicitedbymotorimagery．BasedontheAdaBoost algorithm．thetrainedclassifierscanobtainhigherclassificationaccuracythanthetraditionalones．Theseresults confiITOthepotentialvaluationofAdaBoostalgorithm inBCIapplications． Kevwords brain—computerinterface； classifier； EEG： motorimagery； supportvectormachine 脑机接 口(brain—computeri