基于小波收缩与阈值的脑机接口鲁棒分类
统计方法学
2017-11-28 v2 应用统计
摘要
一只猕猴被训练执行两类不同任务：记忆辅助与视觉辅助。在每类任务中，猕猴向八个可能的目标位置进行扫视。本文提出一种基于从前额叶皮层采集的局部场电位（LFP）的方向解码与任务解码分类器。LFP 时间序列数据在非参数回归框架下被建模为受高斯噪声污染的函数。研究表明，若该函数属于 Besov 体，则使用所提出的小波收缩与阈值分类器具有鲁棒性与一致性。该分类器随后被应用于 LFP 数据，取得了较高的解码性能。所提出的分类器也具有相当的通用性，可应用于其他类型时间序列数据的分类，未必限于脑数据。
引用
@article{arxiv.1710.10279,
title = {Wavelet Shrinkage and Thresholding based Robust Classification for Brain Computer Interface},
author = {Taposh Banerjee and John Choi and Bijan Pesaran and Demba Ba and Vahid Tarokh},
journal= {arXiv preprint arXiv:1710.10279},
year = {2017}
}