基于LASSO和PCA降维的脑电特征选择方法

作者：莫云; 梁国富^*; 路仲伟; 李智; 许川佩; 张绍荣

来源：国外电子测量技术, 2022, 41(05): 9-14.

DOI：10.19652/j.cnki.femt.2203610

• 运动想象
• 脑电
• 特征选择
• LASSO
• PCA

最小绝对值收缩和选择算子(LASSO)在运动想象脑电(EEG)特征选择中已得到了广泛应用。然而，LASSO的使用形式存在不少差异，其各种使用形式的性能如何目前还没有系统的研究。为此，探讨了现有的LASSO特征选择方法，进而提出了基于LASSO和主成分分析(PCA)降维的混合特征选择方法。该方法先训练LASSO模型，然后选择模型权重大于0的特征进行PCA降维，最后使用降维后的特征训练分类器。最优LASSO模型参数、特征个数、主成分个数使用10折交叉验证进行选择，分别使用Fisher线性判别分析(FLDA)、贝叶斯线性判别分析(BLDA)、支持向量机(SVM)3种分类器的分类结果作为交叉验证的评价准则。最优特征子集进行PCA降维之后，训练以上3种分类器作为最终的分类模型。选用两个公开的脑机接口竞赛数据验证算法的有效性，所提出的方法取得了80.06%的最高平均分类准确率。实验结果表明，所提出的方法优于现有的LASSO特征选择方法。

• 单位
  桂林电子科技大学; 桂林航天工业学院; 自动化学院