收录:
摘要:
本发明公开了一种基于分层超限学习机的运动想象脑电信号分类方法属于模式识别和脑 机接口领域。首先,对每一样本的原始信号进行加窗分段,得到S段子信号;然后,分别对该S段子信号进行主成分分析和线性判别分析,并将最终的S个K 1维特征向量进行组合,得到S*(K 1)维的特征;最后,将所有样本的特征送入分层超限学习机分类器中,得到最后的分类结果。传统的ELM算法是单隐层结构,在分析复杂信号方面有很大的局限性,本发明采取HELM进行分类识别,利用基于ELM的稀疏自编码将单隐层的ELM改造成深层网络结构,通过层次化的特征提取和分类,提取深层信息,提高了分类正确率,并且保持了ELM低耗时的优势。
关键词:
通讯作者信息:
电子邮件地址: