TY -的A2 Bresciani jean - pierre盟——Mondini也好盟会,安娜丽莎盟——Talevi卢卡AU - Cappello,安吉洛PY - 2018 DA - 2018/04/12 TI - Sinc-Windowing和多个相关系数提高SSVEP识别基于典型相关分析SP - 4278782六世- 2018 AB -典型相关分析(CCA)是一个越来越多的使用方法领域的稳态视觉诱发电位(SSVEP)认可。方法的有效性已被广泛证明,和几个变化。然而,大多数CCA变化往往复杂的方法,通常需要额外的用户培训或增加计算负载。采取简单的程序和较低的计算成本,然而,相关方面,特别是在低成本和high-portability设备的看法。此外,这将是可取的,该差异尽可能通用和模块化促进翻译的结果不同的算法和设置。在这项工作中,我们评估的影响两个简单,模块化的古典CCA方法的变化。涉及的变化(i)的数量用于分类和规范的相关性(ii)将通过sinc-windowing前置过滤步骤。我们测试了10个志愿者在四级SSVEP的设置。都显著提高分类精度变化时单独使用或结合,导致精度平均增加到7 - 8%,25 - 30%的峰值。此外,没有变化(变化(i))或最小(变异(ii))影响的数量为每个分类算法所需的步骤。 Given the modular nature of the proposed variations and their positive impact on classification accuracy, they might be easily included in the design of CCA-based algorithms that are even different from ours. SN - 1687-5265 UR - https://doi.org/10.1155/2018/4278782 DO - 10.1155/2018/4278782 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -