TY -的A2 -塔瓦雷斯,若昂·m·r·s .盟——她青山盟——陈,康盟- Ma, Yuliang盟,阮Thinh声称盟——张Yingchun PY - 2018 DA - 2018/10/28 TI -稀疏表示极端的学习机器的运动图像脑电图分类SP - 9593682六世- 2018 AB -运动图像分类(MI)脑电图(EEG)起着至关重要的作用在脑-机接口(BCI)系统。最近的研究表明,非线性分类算法比线性同行表现更好,但他们中的大多数不能提取足够的重要信息导致低效率的分类。在本文中,我们提出一个新颖的方法称为FDDL-ELM,相结合的辨别力极端学习机(ELM)重建的稀疏表示能力。首先,采用常见的空间模式(CSP)算法对原始脑电数据进行空间滤波增强任务相关的神经活动。其次,费舍尔歧视标准是用来学习结构化字典和获得稀疏编码系数从过滤数据,然后使用这些歧视系数获得重建特性表征。最后,非线性分类器榆树是用来确定这些特性在不同的任务。该方法评估双阶级数据集IVa和III a BCI竞争第三和第四四级数据集花絮BCI的竞争。实验结果表明,我们的方法比其他现有的算法和实现更高的性能取得了80.68%的精度,87.54%,和63.76%在所有科目在上述三个数据集,分别。SN - 1687 - 5265 UR - https://doi.org/10.1155/2018/9593682 - 10.1155 / 2018/9593682摩根富林明计算智力和神经科学PB - Hindawi KW - ER