您的位置: 专家智库 > >

赵利民

作品数:3 被引量:17H指数:3
供职机构:太原理工大学计算机科学与技术学院更多>>
发文基金:山西省青年科技研究基金更多>>
相关领域:自动化与计算机技术医药卫生更多>>

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...
  • 1篇医药卫生

主题

  • 3篇信号
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇特征提取
  • 2篇特征提取与分...
  • 2篇向量
  • 2篇向量机
  • 2篇脑电
  • 2篇脑电信号
  • 2篇脑机接口
  • 2篇局部均值分解
  • 1篇信号识别
  • 1篇加窗
  • 1篇PF

机构

  • 3篇太原理工大学
  • 1篇国网山西省电...

作者

  • 3篇赵利民
  • 2篇朱晓军
  • 1篇高旭瑞

传媒

  • 1篇电子技术应用
  • 1篇计算机工程

年份

  • 1篇2017
  • 2篇2016
3 条 记 录,以下是 1-3
排序方式:
基于局部均值分解与样本熵的脑电信号特征提取与分类被引量:9
2017年
针对运动想象脑电信号的识别问题,提出一种改进的脑电信号特征提取与分类方法。利用局部均值分解算法将原始信号分解为一系列乘积函数(PF)分量,根据μ节律和β节律范围内的脑电信号剔除无意义的PF分量。通过特征时间选择原则,选取4 s^6 s运动想象脑电信号作为分类数据,分别计算C_3,C_4导联信号二阶和三阶PF分量样本熵的和,并将其均值MSampEn(C_3,C_4)作为输入元素构造脑电特征向量,利用支持向量机进行分类预测以识别左右手想象运动。实验结果表明,与经验模态分解以及总体经验模态分解方法相比,该特征提取方法具有更高的分类准确率。
赵利民朱晓军
关键词:脑机接口特征提取局部均值分解支持向量机
基于改进的LMD运动想象信号识别被引量:3
2016年
针对脑电信号非平稳非线性特征,提出基于改进的局部均值分解(Local Mean Decomposition,LMD)运动想象信号分类方法。首先结合改进LMD算法和加窗原则选取4-6 s想象信号作为分类数据,提取包含μ节律和β节律的PF分量;其次计算所选分量的样本熵值;最后用支持向量机进行分类预测,并用分类准确率进行评估。实验结果表明,运用改进LMD比传统LMD方法的识别率更高,从而验证该方法的有效性。
赵利民朱晓军高旭瑞
关键词:支持向量机
基于运动想象的脑电信号特征提取与分类方法研究
脑-机接口(Brain-Computer Interface,BCI)作为一门交叉性学科,涵盖了生物医学、神经科学以及计算机科学等,已成为脑科学研究热点。在BCI研究中,脑电信号(Electroencephalogram...
赵利民
关键词:脑电信号脑机接口特征提取局部均值分解
共1页<1>
聚类工具0