基于SJ-GDA和DT-KNN的人工智能多类运动设计与研究

发布时间：2023-04-26 04:51

　　在脑机接口系统研究中,基于黎曼流形的协方差矩阵在运动想象特征提取中应用广泛,但维度灾难一直是不可避免的问题。提出一种融合人工智能联合互信息和广义判别分析的特征降维方法称之为SJ-GDA,其对高维向量进行智能降维。SJ-GDA方法首先采用Semi-JMI对特征向量进行特征排序,进而利用GDA对排序后的部分向量智能降维,融合两类向量构造最终特征。将最终特征输入文中提出的DT-KNN决策树框架进行人工智能多类运动人想象识别,结果表明提出的算法在左手、右手、脚和口四类运动想象任务识别中Kappa系数从0. 57提高到了0. 607。

【文章页数】：6 页

【文章目录】：
1 试验数据
2 理论方法
    2.1 黎曼几何
    2.2 人工智能监督联合互信息
    2.3 广义判别分析
    2.4 DT-KNN决策树分类框架
3 试验结果
4 结论



本文编号：3801778