TY -的A2 Belmonte费尔南德斯,奥斯卡盟——王、李盟——局域网,智盟——王,羌族非盟-白,雪盟- Ma,风铃PY - 2022 DA - 2022/12/28 TI -自适应EEG分类算法基于双方ELM_Kernel小训练样本SP - 4509612六世- 2022 AB -康复技术基于脑-机接口(BCI)已经成为一种很有前途的方法对运动障碍的患者重获运动能力。在BCI实验中,通常会有必要的校准测量阶段之前反馈的应用程序。首次培训,减少所需的时间是非常重要的一个方法,可以学会分类脑电图(EEG)信号与少量的训练数据。本文的新颖组合特征提取和分类算法分类的脑电图信号与少量的训练样本。特征提取、运动图像EEG信号预处理和相对距离标准定义选择渠道的最优组合。随后,公共空间的子空间分解(现)算法与内核和极端学习机(ELM_Kernel)算法用于执行任务的类型分类的运动图像脑电图信号。仿真结果表明,该方法产生的99.1%的平均分类精度高BCI竞争第三集IVa和76.92% BCI竞争第四集花絮优于先进的算法和获得良好的分类精度。SN - 2040 - 2295 UR - https://doi.org/10.1155/2022/4509612 - 10.1155 / 2022/4509612摩根富林明医疗工程PB - Hindawi KW - ER