脑机接口中非平衡数据的分类研究

发布时间：2017-12-26 07:40

  本文关键词：脑机接口中非平衡数据的分类研究　出处：《浙江理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 脑机接口 脑电信号 P300 错误事件相关负电位 局部线性嵌入 极限学习机

【摘要】：脑机接口(Brain Computer Interfaces,BCI)技术是一种不依赖于肌肉组织和外周神经系统,通过不间断地监控大脑活动中与用户意图相关的特定模式来完成与外部的交流,本质是使用思维控制外部设备的人机交互技术。由于BCI中不可避免地存在识别错误,这些错误的存在将严重影响BCI系统的性能,进而限制其发展和应用。因此,对于BCI系统中错误事件相关负电位(Error Related Negativity,ERN)的检测十分必要。由于ERN数据集的非平衡性,如果直接应用传统的机器学习算法,将导致将少数类样本错分为多数类样本,尽管整体分类准确率比较高,但少数类样本的分类精度却非常低,分类效果并不理想。针对这个问题,本文在数据处理和分类器算法两个层面展开了研究,主要工作如下:因为ERN只存在于错误监测过程中,和执行的具体任务相关性不强,因此可以将其融入到其他模式的BCI中,通过对脑电信号的二次检测来判断系统的识别和输出是否正确,从而对错误的识别进行纠正。针对单次ERN检测困难、多通道数据易引起过拟合问题,本文提出了一种基于局部线性嵌入(Locally Linear Embedding,LLE)算法对多通道的脑电时域特征进行降维,增强特征表达能力的同时避免了维度灾难,并使用受试者操作曲线(Receiver Operating characteristic Curves,ROC)和曲线下面积(Area Under ROC,AUC)对仿真结果进行分析和评价。虽然ERN信号有较大的个体性差异,但是基于LLE的ERN检测平均AUC依然能够达到0.7566,尤其是少数类的分类准确率提升了将近4倍。目前,解决非平衡数据分类问题的最佳方式是从数据和算法两个层面着手。筛选出有价值的特征和选择一个适合数据特征的分类器,均有助于提高非平衡数据的分类预测率。针对传统的支持向量机(Support Vector Machine,SVM)在处理样本比例严重失衡的非平衡数据集时,会忽略少数类的支持向量,扩大决策边界,导致最终的决策面出现偏移而使得分类结果不稳定的现象,加之训练时间过长的问题,本文设计了一个基于极限学习机(Extreme Learning Machine,ELM)的ERN检测系统。首先对算法原理进行了推导讨论;然后从训练时间,分类准确率,ROC和AUC值上分别对仿真结果展开分析研究。实验结果表明,与传统的SVM分类器相比,ELM分类器总分类准确率达到90.72%,在保持平均AUC高达0.8377的同时,训练速度提升了将近十倍,表现出更佳的分类性能。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R318;TP18

【相似文献】

相关期刊论文 前10条

1 奇云;李大可;;脑机接口——2012年生命科学研究的六大突破之一[J];生命世界;2013年05期

2 刘德建;李奇;;脑机接口原理及系统组成[J];科技风;2013年16期

3 胡剑锋;尹晶海;穆振东;;基于脑电的脑机接口刺激系统的研制[J];信阳师范学院学报(自然科学版);2007年03期

4 槐瑞托;杨俊卿;李东;;脑机接口中脑电信号提取方法和技术的研究进展[J];生命科学;2010年04期

5 方陵生;;脑机相连,梦想成真[J];自然与科技;2012年01期

6 ;脑机接口让猴子控制虚拟手臂助瘫痪病人恢复运动[J];黑龙江科技信息;2013年31期

7 ;通过脑电波进行3D打印[J];科学24小时;2013年10期

8 王洪涛;邹鹤良;;基于事件关联电位脑机接口的电视遥控异步系统[J];控制理论与应用;2012年11期

9 李文石;钱重阳;李雷;魏锋;;让耳朵说话:基于单通道耳穴近红外谱的脑机接口(英文)[J];南京大学学报(自然科学版);2012年05期

10 黄志华;;脑机接口的MapReduce计算模型[J];福州大学学报(自然科学版);2013年06期

相关会议论文 前10条

1 钱久超;夏斌;杨文璐;;基于P300诱发电位的脑机接口技术研究综述[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

2 ;脑机接口数据竞赛[A];首届全国功能神经影像学和神经信息学研讨会论文汇编[C];2003年

3 岳鹏;苗丹民;邱玉辉;;一种眼动型脑机接口的设计原理[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）[C];2006年

4 何庆华;吴宝明;王禾;卓豫;;脑机接口视觉剌激方法实验研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

5 周鹏;赵欣;葛家怡;李宁;郁洪强;王明时;;基于运动想象的脑机接口的个性化设计方法研究[A];天津市生物医学工程学会2008年年会暨首届生物医学工程与临床论坛论文集[C];2008年

6 郭苗苗;徐桂芝;王磊;王江;;基于小波变换的听觉脑机接口特征信号分析[A];天津市生物医学工程学会第三十一届学术年会论文集[C];2011年

7 贾文艳;赵香花;高小榕;高上凯;杨福生;;2003年脑机接口数据竞赛论文之五——想像左右手运动的单次脑电信号分类[A];首届全国功能神经影像学和神经信息学研讨会论文汇编[C];2003年

8 何庆华;吴宝明;王禾;钟渝;杜晓兰;彭承琳;;瞬态视觉诱发电位在脑机接口中的实验研究[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

9 高小榕;;脑机接口中的信息传输技术[A];Proceedings of the 8th Biennial Conference of the Chinese Society for Neuroscience[C];2009年

10 张少白;陈悦;;脑皮层信号ECoG在脑机接口中的应用研究[A];第25届中国控制与决策会议论文集[C];2013年

相关重要报纸文章 前10条

1 本报记者 罗朝淑;脑机接口：唤起神经康复的新希望[N];科技日报;2011年

2 常丽君;脑机接口让猴子成功控制虚拟手臂[N];科技日报;2013年

3 叶平安;脑机接口：人与电脑的桥梁[N];电脑报;2014年

4 本报记者 马文方;脑机接口：互联网遥远的疆界[N];中国计算机报;2010年

5 实习生 陈明立;脑机接口,开启“心灵感应”时代[N];科技日报;2010年

6 本报记者 孙燕燕;洪波：脑机接口传递思维[N];北京科技报;2010年

7 记者 李鹏;“脑机接口”实验：意识控制成真[N];北京科技报;2012年

8 松鼠会;脑机接口 不只是科幻[N];科学导报;2012年

9 安之;未来至上在创“芯”[N];经济日报;2014年

10 记者 陈宁 通讯员 周炜 杨洋;“鼠哥”眼光出众的奥秘[N];浙江日报;2013年

相关博士学位论文 前10条

1 赵慧霞;蜜蜂（Apis mellifera L.）脑机接口的飞行控制神经机理研究[D];浙江大学;2014年

2 王洪涛;混合脑机接口实现及其应用研究[D];华南理工大学;2015年

3 汪芳;基于强化学习的植入式脑机接口神经信息解码：算法设计及应用[D];浙江大学;2015年

4 张瑞;面向重度残疾人的脑机接口功能辅助研究[D];华南理工大学;2016年

5 姚林;刺激辅助的脑电信号特征增强方法与混合式脑机接口[D];上海交通大学;2015年

6 刘伯强;脑机接口分类算法及实验研究[D];天津大学;2005年

7 余天佑;多模态与多自由度脑机接口研究[D];华南理工大学;2013年

8 吴正华;稳态视觉诱发电位在脑机接口及认知过程中的应用研究[D];电子科技大学;2008年

9 程明;基于脑电信号的脑—计算机接口的研究[D];清华大学;2004年

10 龙锦益;脑信号分析的算法研究与多模态脑机接口[D];华南理工大学;2012年

相关硕士学位论文 前10条

1 李佳乘;基于稳态视觉诱发电位脑机接口系统的脑信号处理与研究[D];华南理工大学;2015年

2 张锦涛;P300脑机接口的在线半监督学习算法与系统研究[D];华南理工大学;2015年

3 吴俊;EEG-fMRI混合脑机接口去噪及信号源定位技术研究[D];华南理工大学;2015年

4 赵萍萍;基于伪随机序列的彩色视觉刺激的脑机接口系统[D];苏州大学;2015年

5 张玉霞;基于P300和SSVEP的混合型脑机接口的分析与研究[D];山东大学;2015年

6 刘杨;脑机接口信号的多模式识别融合技术研究[D];重庆理工大学;2015年

7 贵照众;流程可配置分布式运动脑机接口计算平台的研究与实现[D];浙江大学;2015年

8 马超;基于单通道脑机接口的嵌入式智能轮椅控制系统研究[D];广西大学;2015年

9 李茂全;基于VEP的脑机接口系统设计与研究[D];南昌大学;2015年

10 赵淑菊;基于脑机接口车辆目的地选择系统的性能测试和影响因素分析[D];北京理工大学;2015年

，

本文编号：1336416