[发明专利]基于超限学习机自编码的运动想象脑电信号特征的提取方法

摘要

本发明公开了基于超限学习机自编码的运动想象脑电信号特征的提取方法，包括：筛选训练数据集和测试数据集；利用训练数据集训练多个超限学习机模型；从多个经训练数据集训练后的超限学习机模型中，筛选出对测试数据集的分类正确率最高的超限学习机模型；利用筛选出的超限学习机计算待测脑电信号数据的输出权重矩阵；计算待测脑电信号数据的输出权重矩阵的奇异值，该奇异值即为待测脑电信号数据的数据特征。在使用相同分类器的前提下，本发明公开的方法提取的脑电信号特征数据的分类准确率高达86.69％，比利用传统的分类方法高出10.24％。

主权项

1.基于超限学习机自编码的运动想象脑电信号特征的提取方法，其特征在于，包括：步骤一、筛选训练数据集和测试数据集；步骤二、利用训练数据集训练多个超限学习机模型，使训练出的多个超限学习机模型能对人在想象运动任务时产生的脑电信号数据进行分类，其中，每个超限学习机模型中包含的隐层节点的个数不同；从多个由训练数据集训练后的超限学习机模型中，筛选出对测试数据集中的数据分类正确率最高的超限学习机模型，记录筛选出的超限学习机模型包含的隐层节点的个数；步骤三、依据由步骤二筛选出的超限学习机模型包含的隐层节点的个数，通过超限学习机自编码方法提取待测脑电信号数据的数据特征，具体为：若待测脑电信号数据的维度大于或小于筛选出的超限学习机模型所包含的隐层节点的个数，则依据步骤二中筛选出的超限学习机模型包含的隐层节点的个数、激励函数以及公式(1)～(4)，得到待测脑电信号数据的输出权重矩阵；若待测脑电信号数据的维度等于筛选出的超限学习机模型所包含的隐层节点的个数，则依据步骤二中筛选出的超限学习机模型包含的隐层节点的个数、激励函数以及公式(1)～(3)、(5)和(6)，得到待测脑电信号数据的输出权重矩阵；aTa＝I (1),bTb＝1 (2), H = G ( a 1 , b 1 , x 1 ) ... G ( a L , b L , x 1 ) . . . ... . . . G ( a 1 , b 1 , x N ) ... G ( a L , b L , x N ) N × L - - - ( 3 ) , ]]> β = ( I C + H T H ) - 1 H T X - - - ( 4 ) , ]]>β＝H-1T (5)，βTβ＝I (6)；其中，a为筛选出的超限学习机模型的输入层与隐层之间的连接权值矩阵，aT为a的转置矩阵，b为筛选出的超限学习机模型的输入层与隐层之间的偏置向量，bT为b的转置向量，I为单位矩阵；H为待测脑电信号数据的隐层节点的输出矩阵，G是激活函数，N为待测脑电信号数据的样本数量，L为筛选出的超限学习机模型所包含的隐层节点的个数；β为待测脑电信号数据的隐层节点的输出权重矩阵，C是一个常数，是调节正则化项的参数，X为待测脑电信号数据的样本集合，x待测脑电数据中的一个样本，T为X关联的运动任务标签；计算待测脑电信号数据的输出权重矩阵β的奇异值，该奇异值即为待测脑电信号数据的数据特征；其中，所述步骤一中，训练数据集中包括被试在想象不同运动任务时的多个脑电信号数据，每个脑电信号数据关联一运动任务，每一运动任务对应一运动任务标签，测试数据集中包括被试在想象不同运动任务时的多个脑电信号数据，每个脑电信号数据关联一运动任务，每一运动任务对应一运动任务标签；所述步骤二中，利用训练数据集训练多个超限学习机模型，使训练出的多个超限学习机模型能对人在想象运动任务时产生的脑电信号数据进行分类，具体为：将训练数据集中的数据分别输入到多个超限学习机中，依据预设定隐层节点个数、激励函数以及公式(7)～(10)训练每个超限学习机模型， H ′ = G ′ ( a 1 ′ , b 1 ′ , x 1 ′ ) ... G ′ ( a q ′ , b q ′ , x 1 ′ ) . . . ... . . . G ′ ( a 1 ′ , b 1 ′ , x p ′ ) ... G ′ ( a q ′ , b q ′ , x p ′ ) p × q - - - ( 7 ) ]]> | | H , β ^ , - Y | | = min β , | | H , β , - Y | | - - - ( 8 ) ]]> Y = y 1 T . . . y p T m × p - - - ( 10 ) ]]>其中，H'为训练集数据的隐层节点的输出矩阵，G'是隐层的激活函数，aq'为超限学习机模型的输入层与隐层之间的连接权值矩阵，b'为超限学习机模型的输入层与隐层之间的偏置向量，x'表示隐层节点的输入，p是训练数据集中的脑电信号数据的样本个数，q是是预设定隐层节点个数，为训练数据集的脑电信号数据的隐层节点的输出权重矩阵，为H'的广义逆矩阵，Y表示训练数据中的脑电信号数据关联的运动任务所对应的运动任务标签的集合，y表示训练数据中一个脑电信号数据关联的运动任务所对应的运动任务标签，是y1转置，是yp转置，m为运动任务类别总数，β'为训练数据集中的脑电信号数据的隐层节点的输出权重矩阵；从多个由训练数据集训练后的超限学习机模型中，筛选出对测试数据集中的数据分类正确率最高的超限学习机模型，并记录筛选出的超限学习机模型包含的隐层节点的个数，具体为：利用每个经训练数据集训练后的超限学习机对测试数据集中的脑电信号数据进行分类，确定测试数据集中每个脑电信号数据对应的运动任务标签，将分类出的测试数据集中每个脑电信号数据对应的运动任务标签与该脑电信号数据关联的运动任务标签比较，若相同，则正确，若不相同，则错误，统计每个经训练数据集训练后的超限学习机对测试数据集中的脑电信号数据分类的正确率，筛选出正确率最高的超限学习机模型，记录筛选出的超限学习机模型包含的隐层节点的个数。