基于集成式张量域自适应的运动想象脑电分类

作     者：高云园 薛云峰 张聪睿 高坚 Gao Yunyuan;Xue Yunfeng;Zhang Congrui;Gao Jan

作者机构：杭州电子科技大学自动化(人工智能)学院杭州310018 杭州明州脑康康复医院神经康复中心杭州310018 

出 版 物：《中国生物医学工程学报》 (Chinese Journal of Biomedical Engineering)

年 卷 期：2024年第43卷第4期

页      面：399-407页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 0836[工学-生物工程] 

基　　金：国家自然科学基金(61971168,62271181) 浙江省自然科学基金重点项目(Z23F030014) 

主　　题：运动想象 脑电信号 域自适应 数据对齐 张量子空间 

摘      要：实际应用中脑电信号一直面临采集成本高、用户间差异大等问题,制约着基于脑电信号的运动想象领域的发展。针对跨受试者运动想象脑电信号识别任务,本研究提出了一种基于集成式张量域自适应的迁移学习方法。首先采用改进的欧氏空间对齐方法对多维脑电数据进行协方差对齐,消除原始数据的边缘分布偏移;其次提出基于张量子空间的改进联合概率分布方法,求得不同类别的映射子空间并实现未知标签的目标域识别分类。分别在7人200个样本和9人144个样本的BCI数据集上进行了实验,平均准确率达到82.18%和76.45%,证明了该方法在跨域分类识别上具有很好的性能。同时对于该方法各环节的效果也进行了可视化验证,展示了该集成式方法在跨域问题上的效果。