本文主要是介绍运动想象 (MI) 分类学习系列 (13) :基于滑动窗口的通用空间模式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
运动想象分类学习系列:基于滑动窗口的通用空间模式
- 0. 引言
- 1. 主要贡献
- 2. 提出的方法
- 2.1 SW-LCR方法
- 2.2 SW-Mode
- 2.3 主要优缺点分析
- 3. 结果
- 3.1 BCI IV 2a
- 3.2 卒中数据集
- 4. 总结
- 欢迎来稿
论文地址：https://ieeexplore.ieee.org/abstract/document/9326392
论文题目：A Sliding Window Common Spatial Pattern for Enhancing Motor Imagery Classification in EEG-BCI
论文代码：暂无
0. 引言
脑电图（EEG）信号的准确二元分类对于运动意象（MI）脑机接口（BCI）系统的开发是一项具有挑战性的任务。本研究提出了两种滑动窗口技术来增强MI的二元分类。第一个计算所有滑动窗口的预测序列的最长连续重复 （LCR），并命名为 SW-LCR。第二个计算所有滑动窗口的预测序列的模式，并命名为 SW-Mode。公共空间模式 （CSP） 用于提取特征，线性判别分析 （LDA） 用于对每个时间窗进行分类。
1. 主要贡献
- 与之前的方法相比，所提出的基于 LCR 的方法在左手与右手 MI 分类方面取得了优异的性能，在健康个体的情况下
减少了受试者间变异性。 - 所提出的基于模式的
方法显著（P<0.05 ）在中风患者数据集中的表现优于现有基准。 - LCR 和基于模式的方法在健康个体和中风患者的数据集之间都实现了相当的性能
这篇关于运动想象 (MI) 分类学习系列 (13) :基于滑动窗口的通用空间模式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
