基於腦機互動的人體運動意圖智慧型識別算法研究與套用

內容簡介

《基於腦機互動的人體運動意圖智慧型識別算法研究與套用》針對腦電信號非線性、幅值微弱、信噪比低等特點對解碼性能的影響，介紹了基於傳統機器學習、深度學習與遷移學習的數據最佳化、特徵融合與特徵遷移算法，主要內容包括: 基於最大平均差異和P 閾值最佳化的腦電信號(EEG)通道選擇算法; 基於多重加權的EEG 多模態特徵融合算法;基於受限玻爾茲曼機的EEG 深度多模態特徵學習算法; 基於殘差網路的EEG 多模態特徵動態融合算法; 基於多特徵混合融合網路的EEG 解碼算法; 基於時空融合域適應的EEG 特徵遷移算法。本書可作為計算機、人工智慧、模式識別等相關專業人員的參考用書。

圖書目錄

第1章緒論

1.1研究背景與意義

1.2腦機接口系統概述

1.2.1腦機接口技術簡介

1.2.2腦機接口的類型及特點

1.2.3腦機接口的研究現狀

1.3運動想像腦電信號識別算法的研究現狀

1.3.1腦電信號通道選擇算法的研究現狀

1.3.2腦電信號特徵提取算法的研究現狀

1.3.3腦電信號特徵分類算法的研究現狀

1.3.4基於深度學習的腦電信號識別算法研究現狀

1.3.5基於遷移學習的腦電信號解碼算法研究現狀

第2章運動想像腦電信號識別算法的相關理論

2.1腦電信號的特點

2.2腦電信號的預處理

2.2.1插值壞導

2. 2. 2剔除壞段

2.2.3基於獨立成分分析的偽跡去除

2.3基於運動想像的腦電信號識別算法

2.3.1小波變換

2.3.2主成分分析

2.3.3支持向量機

2.3.4卷積神經網路

2.4本章小結

第3章基於MMD和P值最佳化的EEG通道選擇算法

3.1引言

3.2P-MMD腦電信號通道選擇算法

3.2.1最大平均差異

3.2.2共空間模式

3.2.3P最佳化的道道選擇算法

3.3實驗與結果分析

3.3.1實驗數據描述

3.3.2實驗結果分析

3.4本章小結

第4章基於多重加權的EEG多模態特徵融合算法

4.1引言

4.2腦電信號的多模態特徵融合算法

4.2.1腦電信號的時域特性

4.2.2基於巴特沃斯帶通濾波器的腦電信號頻率特性

4.2.3基於小波包分解的腦電信號時頻特性

4.2.4腦電信號的多模態特徵合

4.3多重加權腦電信號的多模態特徵融合

基於腦機互動的人體運動意圖智慧型識別算法研究與套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條