面向运动想象脑-机接口的样本筛选在线分类器更新策略研究

作者：郭仡; 王仲朋; 綦**; 陈龙; 万柏坤; 明东

来源：航天医学与医学工程, 2018, 31(01): 43-48.

DOI：10.16289/j.cnki.1002-0837.2018.01.009

• 运动想象
• 脑机接口
• 样本筛选
• 在线模型更新

目的优化基于脑电信号的运动想象脑-机接口的系统分类性能,通过短时在线训练,在系统分类器中构建有效的大脑想象意图识别模型,增强系统实用性。方法提出基于样本筛选的在线分类器更新策略,对10名健康受试者进行了基于便携平台的MI-BCI训练建模实验,分别采用两种带有样本选择的更新策略(样本筛选模型更新及顺序模型更新)以及一种无样本筛选的模型更新策略完成模型建立和更新,并进行分类效果对比。结果带有样本选择的模型更新策略均可达到92%以上的分类正确率,较无样本筛选的模型提升30%以上,并在特征层面也体现出了优越性。结论在线筛选建模样本数据不仅有利于提高模型识别正确率,同时能够缩短建模训练时间,使分类模型随数据的积累不断优化,提高MI-BCI系统的实用性。

• 单位
  天津大学; 电子工程学院