TY -的盟,凯盟——徐,光华AU - Chen Longtin盟——田,培元中学非盟-汉,成成盟——张Sicong AU -段,南PY - 2020 DA - 2020/08/28 TI -实例转移Subject-Dependent战略运动图像信号分类使用深卷积神经网络SP - 1683013六世- 2020 AB -脑-机接口(BCI)的过程中,跨会话/科目变化导致大脑的潜在属性的差异。这个问题可能导致的变化特征分布的脑电图(EEG)在主题,大大降低了分类器的泛化能力。虽然subject-dependent (SD)策略提供了一个有前途的方法来解决个性化问题的分类,它不能达到预期性能的数据量的限制特别是深神经网络分类模型(款)。在此,我们提出一个实例转移subject-independent (ITSD)框架结合卷积神经网络(CNN)模型的分类精度提高在运动图像(MI)的任务。拟议的框架由以下步骤组成。首先,实例转移学习基于感知哈希算法来衡量相似光谱图EEG信号的不同科目。然后,我们开发一个CNN来解码这些信号实例传输之后的学习。接下来,分类的性能不同的培训策略(subject-independent——(SI) CNN, SD-CNN,和ITSD-CNN)进行了比较。来验证算法的有效性,我们评估的数据集BCI IV-2b竞争。实验表明,该实例转移学习可以取得积极实例转移使用CNN分类模型。 Among the three different training strategies, the average classification accuracy of ITSD-CNN can achieve 94.7 ± 2.6 并获得明显的改善而对比模型 p < 0.01 。在先前的研究,与其他方法相比,提出的框架ITSD-CNN优于最先进的分类方法均kappa值为0.664。SN - 1748 - 670 - 2020/1683013 / 10.1155 x你——https://doi.org/10.1155/2020/1683013——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER