基于分层超限学习机的运动想象及癫痫脑电信号分类研究

《基于分层超限学习机的运动想象及癫痫脑电信号分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文图书分类号：TP391密级：公开UDC：004学校代码：10005硕士学位论文MASTERALDISSERTATION论文题目：基于分层超限学习机的运动想象及癫痫脑电信号分类研究论文作者：鲍梦湖学科：计算机科学与技术指导教师：段立娟教授论文提交日期：2017年5月UDC：004学校代码：10005中文图书分类号：TP391学号：S201407006密级：公开北京工业大学工学硕士学位论文题目：基于分层超限学习机的运动想象及癫痫脑电信号分类研究英文题目：MOTORIMAGERYANDEPILEPTI

2、CEEGCLASSIFICATIONBASEDONHIERARCHICALEXTREMELEARNINGMACHINE论文作者：鲍梦湖学科专业：计算机科学与技术研究方向：信息安全申请学位：工学硕士指导教师：段立娟教授所在单位：计算机学院答辩日期：2017年5月授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学

3、位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：鲍梦湖日期：2017年5月26日关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：鲍梦湖日期：2017年5月26日导师签名：段立娟日期：2017年5月26日摘要摘要随着脑-机接口系统的技术优势越来

4、越突出，其发展研究情况备受关注。其中，脑电信号因为其获取途径的便捷性深受研究者青睐，成为了研究脑-机接口的一大重要途径。为了提高脑电信号分类识别的效率，满足脑-机接口设备实际应用中对正确率和响应速度的需求，本文主要对基于超限学习机方法的脑电信号分类进行了深入研究。具体的研究工作如下：首先，本文提出了一种基于分层超限学习机（HierarchicalExtremeLearningMachine，HELM）的脑电信号分类识别方法。从脑电信号自身的复杂性、非平稳性和低信噪比等特点出发，对脑电信号数据进行了基

5、于主成分分析和线性判别分析特征提取，达到降维和提升类间辨别度的目的。然后，使用分层超限学习机对提取到特征进行分类识别，通过深层次的特征再提取以及特征稀疏化，以提高计算速度和分类识别正确率。在BCICompetitionIIdatasetIa数据集上，本文将该方法和当前先进方法进行了对比实验。实验结果显示，该方法取得的分类准确率更高、识别速度更快。其次，为了提升分层超限学习机的稳定性，本文提出了一种改进算法——核分层超限学习机（KernelHierarchicalExtremeLearningMach

6、ine，KHELM）。本方法借鉴支持向量机和核超限学习机的核映射思想，利用核函数替代隐含层的输出，削弱原来分层超限学习机中随机权值对网络输出的影响，以此提高网络的稳定性。在BCICompetitionIIdatasetIa数据集上对核分层超限学习机的分类性能进行了测试，结果显示核函数的引入确实提高了分类器的稳定性，同时该方法进一步提高了运动想象脑电信号的分类识别速度。最后，本文将分层超限学习机和核分层超限学习机方法集成到脑电信号处理系统V2.0中，并在真实癫痫脑电数据集上进行了测试。实验结果显示，分

7、层超限学习机和核分层超限学习机方法取得了较为理想的分类效果。关键词：脑电信号；人工神经网络；超限学习机；分层超限学习机；核超限学习机-I-AbstractAbstractAstheadvantageofBCI(Brain-ComputerInterface)ismoreandmoreprominent，muchattentionfromresearchershasbeenpaidtoitsdevelopment.Becauseoftheeaseofaccess,EEGisfavoredbyresea

8、rchersandhasbecomeoneofthemostimportantwaytoobtaininformationofBCI.InordertoimprovetheefficiencyofEEGclassificationproblemandtomeettherequirementsofaccuracyandresponsespeedinthepracticalapplicationofBCI,thispaperfocusontheclassification