基于特征过滤和PCA降维的混合特征选择方法

作者：莫云; 郭岩; 莫禾胜; 路仲伟; 张绍荣

来源：桂林航天工业学院学报, 2022, 27(02): 145-151.

• 运动想象
• 脑电解码
• 特征选择
• 特征降维
• 分类

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(FLDA)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。

• 单位
  桂林航天工业学院; 自动化学院; 桂林电子科技大学