排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
设计有效的学习算法快速准确地对脑电信号进行连续预测是脑机接口研究的关键之一.本研究给出了一种基于变分贝叶斯算法的理论框架通过区分度权值进行信息积累,从而对脑电信号分类.此方法将对区分度权值和分类器参数的估计融为一体,使得这两部分在学习的过程中可以互相协调.在两个运动想象数据集上的实验结果表明本方法能够提高BCI系统的性能,具有较好的实用性. 相似文献
2.
设计有效的学习算法快速准确地对脑电信号(eelectroencephalogram,EEG)进行连续预测是脑机接口(brain-computer interface,BCI)研究的关键之一.本文提出了一种新颖的基于判别混合高斯模型(discriminative gaussian mixture model,DGMM)的信息积累方法.该方法通过区分度权值对分类器在各时段的输出进行积累,从而达到提高脑电信号分类精度的作用.在两个运动想象数据集上的实验结果表明该方法能够提高BCI系统的性能,具有较好的实用性. 相似文献
1