一种用于运动想象分类的分解方法
计算机视觉与模式识别
2021-12-16 v1
摘要
脑机接口利用脑信号与外部设备进行通信而无需实际操控。许多研究已基于机器学习对运动想象进行分类。然而，对具有稀疏空间特征（如单臂运动想象）的想象数据进行分类仍然是一个挑战。本文中，我们提出一种将 EEG 信号分解为两组的方法，以对运动想象进行分类，即使空间特征稀疏。基于对抗学习，我们专注于提取对噪声鲁棒的 EEG 信号公共特征并仅提取信号特征。此外，提取了专用于类别分类的类别特定特征。最后，所提方法通过将两组特征表示为一个嵌入空间来对类别进行分类。通过实验，我们确认了将特征提取为两组对于包含稀疏空间特征的数据集是有利的这一可行性。
引用
@article{arxiv.2112.08175,
title = {A Factorization Approach for Motor Imagery Classification},
author = {Byeong-Hoo Lee and Jeong-Hyun Cho and Byung-Hee Kwon},
journal= {arXiv preprint arXiv:2112.08175},
year = {2021}
}
备注
4 pages