TY - Jour A2 - 杜南，冯·奥 - 张，文昌奥 - 孙，富春奥 - 谭，川旗，刘，石棉PY - 2016DA - 2016/12/21 TI - 低级电机图像线性动力学系统SP - 2637603 VL - 2016 AB - 常见的空间模式（CSP）和其他斯坦斯特朗特征提取方法已成为解决近期多通道神经活动的电动机图像脑电图（MI-EEG）模式识别问题最有效和成功的方法年。然而，这些方法需要大量预处理和后处理，例如过滤，押马和斯巴塔斯特朗特征融合，这很容易影响分类精度。在本文中，我们利用用于EEG信号的线性动力系统（LDS）特征提取和分类。LDSS模型具有许多优点，例如同时空间和时间特征矩阵生成，不含预处理或后处理，以及低成本。此外，引入低级矩阵分解方法以摆脱噪声和休息状态分量，以提高系统的稳健性。然后，我们提出了一个低级LDSS算法来分解有限基地人类的LDS的特征子空间，并获得更好的性能。广泛的实验是在“BCI竞赛III数据集IVA”和“BCI竞赛IV数据库2A”的公共数据集上进行的。结果表明，与CSP和CSSP等普遍方法相比，我们提出的三种方法产生更高的准确性。 SN - 1687-5265 UR - https://doi.org/10.1155/2016/2637603 DO - 10.1155/2016/2637603 JF - Computational Intelligence and Neuroscience PB - Hindawi Publishing Corporation KW - ER -