基于免疫堆叠降噪自编码机网络的运动想象脑电信号识别
CSTR:
作者:
作者单位:

(1. 数字化纺织服装技术教育部工程研究中心, 上海201620;2. 东华大学信息科学与技术学院, 上海201620)

作者简介:

郝矿荣(1964-), 女, 教授, 博士生导师, 从事机器视觉、模式识别、智能机器人等研究; 原博炜(1992-), 男, 硕士生, 从事智能系统、生物智能、智能机器人的研究.

通讯作者:

E-mail: leichen@dhu.edu.cn

中图分类号:

TP242.6

基金项目:

科技部国家重点研发计划项目(2016YFB0302701);国家自然科学基金项目(61473078);上海市科学技术委员会国际合作项目(16510711100);教育部长江学者奖励计划项目(2015-2019).


Recognition of motor imagery EEG based on immune stacked denoising auto-encoders network
Author:
Affiliation:

(1. Engineering Research Center of Digitized Textile {&} Apparel Technology of Ministry of Education,Shanghai 201620;2. College of Information Science and Technology,Donghua University,Shanghai 201620,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对运动想象(MI)脑电信号识别精度低的实际问题,提出一种结合免疫优化算法和决策机制的堆叠降噪自编码机网络(ISDAE).ISDAE模型通过多层DAE对MI脑电信号分层提取最优特征向量,再通过最后一层神经网络(NN)对所得特征向量进行识别;同时,添加决策机制,并结合免疫优化算法对模型进行参数寻优,最终得到识别准确率更高的ISDAE脑电信号识别模型.实验结果表明,所提出的ISDAE模型对粗糙的脑电数据具有强大的特征学习能力和较高的MI脑电信号识别率,可为MI脑电信号的识别提供一种有效的方法.

    Abstract:

    In order to solve the problem about the low classification accuracy of the motor imagery electroencephalography(EEG), this paper proposes an improved stacked denoising auto-encoders(ISDAE) network combined with the immune optimization algorithm and decision-making mechanism.The ISDAE network extractes the most effective feature vectors by multi-layer DAE, and then identifies these feature vectors by the neural network. Meanwhile, the decision-making mechanism is obtained, and the immune optimization algorithm is used to optimize parameters of ISDAE network, thus the improved ISDAE model with higher classification accuracy is obtained.The experimental results show that, the proposed ISDAE model has a strong ability for feature learning from raw EEG data and a higher recognition rate, which provides an efficient technique for the recognition of the motor imagery EEG.

    参考文献
    相似文献
    引证文献
引用本文

郝矿荣,原博炜,陈磊,等.基于免疫堆叠降噪自编码机网络的运动想象脑电信号识别[J].控制与决策,2018,33(4):719-723

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-04-02
  • 出版日期:
文章二维码