基于脑电分类任务的数据扩增与时空消歧

发布时间：2021-07-03 06:33

　　脑电信号作为一种从头皮记录的生理信号,其中包含着与大脑皮层活动直接相关的、复杂而隐式的信息。通过分析高分辨率的、不可人为更改和隐瞒的脑电信号,可实时、高效、可靠的获悉人类的大脑活动状态。因其自身的特点与优势,基于脑电信号的分类任务的研究已经被应用在了工业,医学,军事和游戏等领域。但是,脑电信号分类任务中仍然面临着一些由脑电自身特性产生的、阻碍脑电分类任务发展的问题,例如:脑电数据样本量不足和脑电信号间存在时空差异性。针对以上两个问题,本研究分别提出了脑电数据扩增和脑电时空消歧两种方法。在脑电分类领域,可用于科学研究的脑电信号样本量较少是一个普遍存在的问题,该问题阻碍了使用深度学习等技术进行脑电分类任务的探究。由于脑电信号采集条件和成本的限制,现有的公开脑电数据库中的样本量普遍较少,而这种数据短缺会增加将一些需要大量训练数据的模型方法应用到脑电分类任务中的难度。比如,近几年,深度学习方法已经在图像、视频等处理分析领域取得了惊人的成就,但是脑电数据短缺阻碍了基于深度学习模型的脑电分类任务的探究。因为像深度学习这种复杂的模型往往包含大量的模型参数,需要更多的训练数据来支撑参数的训练。为了解决... 

【文章来源】：深圳大学广东省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

基于数据扩增的脑电情感识别框架

脑电信号进行几何变换的示例

SEED数据库中包含的三种情感刺激视频[50]


本文编号：3262069