基于偏最小二乘特征的鸽子运动转向解码研究

发布时间：2017-10-05 14:10

  本文关键词：基于偏最小二乘特征的鸽子运动转向解码研究

  更多相关文章： 神经元集群 运动转向 特征提取 偏最小二乘 分类模型

【摘要】：脑机接口通过记录并解码神经活动信号预测动物的运动意图,转换成控制指令从而控制外部设备,是人或动物脑与外部设备之间的直接连接通路,在残疾人辅助、神经疾病治疗、认知研究等领域有重要的社会意义和应用价值。神经解码是脑机接口中的重要部分,对实现脑机接口的实时高效控制至关重要,但是由于生物自身活动和环境中的干扰,以及大脑信息编码的稀疏特性,使得微电极阵列采集的神经元集群信号中包含过多与解码目标无关的噪声,以及大量的信息冗余,使得解码模型的学习复杂度增加,参数估计失效,模型稳定性降低,难以实现脑机接口的实时准确控制。针对这一问题,本文以鸽子弓状皮质尾外侧(nidopallium caudolaterale,NCL)神经元集群信号为对象,研究神经元集群信号的特征提取和解码问题,采用有效的特征提取方法去除集群信号中包含的大量噪声和冗余,并选择最优的分类模型提高运动转向解码的效果。本文首先对鸽子十字迷宫转向过程中的神经元集群信号进行相关性分析,结果表明,由于神经元的同步发放,通道间存在较大的信息冗余,同时有些通道包含大量的无关噪声,因此在神经解码前有必要进行特征的提取。采用偏最小二乘(PLS)提取神经元集群信号特征的结果表明,前三个潜变量即可以将鸽子的三个转向基本区分开,且与主成分分析相比,PLS提取的特征个数更少,包含的有用信息更多,可以作为神经元集群特征提取的有效方法,结合分类模型解码出运动转向信息。对PLS提取的神经元集群信号特征,采用支持向量机(SVM)、K-最近邻(KNN)和线性判别分析(LDA)三种分类模型判别鸽子运动转向,结果表明,线性支持向量机在解码正确率、稳定性和解码效率上均表现最优,采用非线性的支持向量机反而会出现过拟合问题,且优化参数的选择也较为困难,KNN对于小样本的神经数据解码效率较高,但是抗噪性较差,LDA的解码正确率也较高,但在稳定性和解码的效率上仍稍差于线性支持向量机。因此在基于PLS特征的鸽子运动转向集群解码中,最优分类模型为线性SVM。
【关键词】：神经元集群 运动转向 特征提取 偏最小二乘 分类模型
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-18
• 1.1 研究背景与意义10-13
• 1.1.1 脑机接口概述10-11
• 1.1.2 神经信号采集11-12
• 1.1.3 神经解码12-13
• 1.2 研究现状13-16
• 1.3 研究目标16
• 1.4 研究内容16-18
• 2 信号采集与预处理18-24
• 2.1 实验设计18-20
• 2.2 信号采集20-21
• 2.3 信号预处理21-23
• 2.4 本章小结23-24
• 3 NCL区神经元集群信号特征提取24-34
• 3.1 偏最小二乘算法原理24-27
• 3.1.1 偏最小二乘回归算法24-26
• 3.1.2 偏最小二乘特征提取26-27
• 3.2 神经元集群相关性分析27-30
• 3.3 神经元集群信号特征提取30-33
• 3.3.1 偏最小二乘特征提取结果30-32
• 3.3.2 不同特征提取方法结果对比32-33
• 3.4 本章小结33-34
• 4 鸽子运动转向解码及结果分析34-48
• 4.1 常用分类模型34-40
• 4.1.1 K-最近邻34-36
• 4.1.2 线性判别分析36-38
• 4.1.3 支持向量机38-40
• 4.2 不同分类模型解码结果40-44
• 4.2.1 K-最近邻分类40-41
• 4.2.2 线性判别分析分类41-42
• 4.2.3 支持向量机分类42-44
• 4.3 不同分类模型结果对比分析44-47
• 4.4 本章小结47-48
• 5 总结与展望48-52
• 5.1 工作总结48-50
• 5.2 研究展望50-52
• 参考文献52-56
• 致谢56-57
• 个人简历、在学校期间发表的学术论文及参与的项目57

【相似文献】

中国期刊全文数据库 前4条

1 徐静文;刘峰;张茜;;利用偏最小二乘回归拟合耐药性结核病的总耐药率[J];预防医学论坛;2011年07期

2 朱尔一;林燕;庄赞勇;;偏最小二乘变量筛选法在毒品来源分析中的应用[J];分析化学;2007年07期

3 蒋红卫;夏结来;李园;于莉莉;;偏最小二乘判别分析在基因微阵列分型中的应用[J];中国卫生统计;2007年04期

4 ;[J];;年期

中国重要会议论文全文数据库 前4条

1 李科;;用偏最小二乘(PLS)回归法研究数据相关性[A];全国第六届分子振动光谱学术报告会文集[C];1990年

2 刘名扬;白丽飞;张寒琦;任玉林;王洪艳;;偏最小二乘-近红外透射光谱法用于秦皮中多组分测定的研究[A];中国化学会第二十五届学术年会论文摘要集（下册）[C];2006年

3 景明;蔡文生;邵学广;;Multiblock偏最小二乘方法的新应用[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年

4 李大鹏;王惠文;;偏最小二乘Iogistic回归在鄱阳湖洪涝灾害预测中的应用[A];2003中国现场统计研究会第十一届学术年会论文集（上）[C];2003年

中国博士学位论文全文数据库 前1条

1 黄新;基于化学数据的若干统计学习新方法研究[D];中南大学;2013年

中国硕士学位论文全文数据库 前10条

1 杨会;基于偏最小二乘特征的鸽子运动转向解码研究[D];郑州大学;2016年

2 李洪强;基于核偏最小二乘的故障诊断方法研究[D];东北大学;2009年

3 罗纯;基于成分数据若干分析方法的研究[D];中南大学;2011年

4 夏丽莎;基于偏最小二乘的武汉城市圈经济研究[D];华中科技大学;2010年

5 张艳粉;基于偏最小二乘的BP网络模型及其应用[D];重庆大学;2007年

6 裴振中;偏最小二乘—最大熵法在石油勘探风险评价中的应用[D];成都理工大学;2005年

7 陈海波;市场经济下天然气价格预测研究——偏最小二乘神经网络模型（PLSNN）应用[D];成都理工大学;2004年

8 周琳;基于非线性偏最小二乘的特征提取方法研究[D];南京理工大学;2011年

9 李亚琼;基于优化的偏最小二乘—判别分析和核磁共振波谱的肺癌血清代谢组学研究[D];华中师范大学;2014年

10 陶丘博;化学计量学在多组分分析同时测定中的应用[D];郑州大学;2010年

，

本文编号：977217