TY -的A2 - Haufe说道,Stefan AU -金,英珠AU - Ryu Jiwoo AU -金,柯马盟了,克莱夫。c . AU - Mandic达尼洛p . AU -公园,Cheolsoo PY - 2016 DA - 2016/10/03 TI -汽车图像分类使用μ和β节律的脑电图强Uncorrelating变换建立复杂的公共空间模式SP - 1489692六世- 2016 AB -最近的研究已经证明了μ和β节律之间的分裂的脑电图(EEG)在运动图像的任务。该算法在本文中使用一个完全数据驱动的多元经验模态分解(MEMD)为了获得非线性的μ和β节律脑电图信号。然后,强者uncorrelating变换复杂常见的空间模式(SUTCCSP)算法应用于节奏,这样复杂的数据,采用μ和β节律,变得不相关的和它pseudocovariance提供补充两个节奏之间的权力差异信息。提取的特征使用SUTCCSP最大化年级之间的差异进行分类使用各种分类算法分离的左边和右边运动图像从生理网数据库获得的脑电图。本文表明,补充信息的力量区别μ和β节律获得使用SUTCCSP提供了一个重要的特性左边和右边运动图像的分类任务。此外,MEMD被证明是一个首选的非线性和非平稳的EEG信号预处理方法相比传统的IIR滤波。最后,随机森林分类器产生的高性能运动图像的分类任务。SN - 1687 - 5265你2016/1489692 / 10.1155——https://doi.org/10.1155/2016/1489692——摩根富林明-计算神经科学情报和PB Hindawi出版公司KW - ER