《小訓練集下的線上腦機接口算法與實驗研究》是依託華南理工大學，由顧正暉擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：小訓練集下的線上腦機接口算法與實驗研究
- 項目類別：青年科學基金項目
- 項目負責人：顧正暉
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
腦機接口研究對於信息科學和腦科學的探索具有重要的理論價值，同時也提供了一種全新的人機互動方式，具有明顯的套用價值。在腦機接口的研究和套用中，線上算法和系統是其中的關鍵技術。首先，為滿足系統的實時性和減少訓練時間的要求，擬建立小訓練集下的增量特徵提取與增量半監督學習方法；其次，針對腦電信號的非平穩特性，改進增量半監督學習算法，使其能夠自適應地跟蹤腦活動模式的變化；另外，擬研究系統持續工作的線上訓練機制，結合腦電差錯電位的線上檢測與主動學習技術，儘量減少線上訓練過程。這些技術將套用於我們的腦機接口系統，通過理論研究與實驗研究相結合，設計和開發基於腦電的新型線上腦機接口系統。
結題摘要
腦機接口研究對於信息科學和腦科學的探索具有重要的理論價值，同時也提供了一種全新的人機互動方式，具有明顯的套用價值。在腦機接口的研究和套用中，如何減少用戶訓練時間是一個亟待解決的關鍵問題。本項目研究了基於線上半監督學習的腦機接口系統和方法，目的是在保證一定的系統性能前提下減少訓練時間。在國家自然科學基金支持下，本項目進展順利，已完成主要研究內容。首先，提出了基於最小方差支持向量機（LS-SVM）的線上半監督學習算法，在理論上證明了算法的收斂性，並研究了其計算複雜度。該算法的性能與自訓練SVM相似，而計算量大大減少，因此適合線上系統，我們用基於P300的腦機接口離線數據分析上述算法性能，提出基於閾值選取有效樣本點的改進方案，並在上述方法基礎上，建立了線上半監督腦機接口實驗系統（基於P300的字元輸入腦機接口系統）；其次，針對不同模態腦電信號（如P300，運動想像等）的非平穩特性， 研究了增量半監督學習算法的自適應性能；另外，研究了腦電差錯電位檢測算法，在多個被試數據上驗證檢測準確率，據此啟動主動學習和線上訓練。本項目的研究成果發表在包括IEEE Trans. Biomedical Engineering等本領域國際權威期刊上，並發表了多項專利。
