双增广拉格朗日方法与公共空间模式在运动想象脑机接口分类中的应用性能
信号处理
2020-10-21 v1 人工智能
机器学习
神经与进化计算
摘要
基于运动想象的大脑-计算机接口（MI-BCI）有潜力成为神经康复、为患有神经紊乱与残疾的患者重建非肌肉通信与指令的突破性技术，同时也在临床实践之外可用于视频游戏控制及其他娱乐目的。然而，由于所用EEG信号的噪声特性，可靠的BCI系统需要专门的流程来进行特征优化与提取。本文比较了两种方法：在BCI中广泛用于提取运动想象（MI）任务特征的公共空间模式结合线性判别分析分类器（CSP-LDA），以及双增广拉格朗日（DAL）框架结合三种不同正则化方法——行组群稀疏（DAL-GLR）、双谱（DAL-DS）和l1范数正则化（DAL-L1）。测试在7名健康受试者上进行，每人完成5次BCI-MI会话。初步结果表明，DAL-GLR方法优于标准CSP-LDA，误分类误差低6.9%（p值 = 0.008），并证明了DAL框架在MI-BCI中的优势。
引用
@article{arxiv.2010.10359,
title = {Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI},
author = {Aleksandar Miladinović and Miloš Ajčević and Agostino Accardo},
journal= {arXiv preprint arXiv:2010.10359},
year = {2020}
}