面向特定主体与跨主体脑机接口的分类算法比较
机器学习
2021-01-06 v2 计算机视觉与模式识别
图像与视频处理
摘要
运动想象脑机接口设计因主体特定数据收集与校准的局限，以及严苛的系统适配需求而被认为十分困难。近来，跨主体（SI）设计因可能无需先验校准与严格系统适配即可应用于多用户而受到关注。SI 设计具有挑战性，且文献中显示其准确率较低。系统性能的两个主要因素是分类算法与可用数据质量。本文给出了针对 SS 与 SI 两种范式分类性能的比较研究。我们的结果表明，SS 模型的分类算法性能差异较大，因此可能需为每个主体选用不同的分类算法。SI 模型性能方差较小，但仅应在有相对大样本量可用时使用。对于 SI 模型，LDA 与 CART 分别在中小样本量下准确率最高，而我们假设若有大训练样本量，SVM 将优于其他分类器。此外，应结合用户选择设计方法。尽管 SS 设计对特定主体更有前景，SI 方法对身心障碍用户可能更为便利。
引用
@article{arxiv.2012.12473,
title = {Comparison of Classification Algorithms Towards Subject-Specific and Subject-Independent BCI},
author = {Parisa Ghane and Narges Zarnaghi Naghsh and Ulisses Braga-Neto},
journal= {arXiv preprint arXiv:2012.12473},
year = {2021}
}