科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对运动想象脑机接口系统中分类准确率低的问题，提出一种改进孪生网络的脑电信号分类方法，把原孪生网络中的两个子网络扩充成3个子网络，并设计了新的学习样本采集方法和距离函数；脑电信号经过小波变换及经验模态分解，利用自相关系数筛选得到预处理后的小波分量，然后随机分割成训练集和测试集，从训练集中按照新的学习样本采集方法获得学习样本集，将其输入3个权重共享的子网络进行训练，使用新的距离函数进行相似度的对比，最后计算测试样本特征与训练集中标签为1和标签为0样本特征相似度，选择最高相似度样本标签作为该待测样本的类别；通过对国际公开BCI Competition Ⅱ Data set Ⅲ和The largest SCP data of Motor-Imagery数据集进行仿真，此算法分类准确率高达94.29%;与现有性能较高的算法进行对比，其有效的提高了分类准确率，能更好地进行脑电信号分类识别。
- 单位
