[发明专利]基于OpenBCI的特征集优化在线训练方法在审
| 申请号： | 201810206898.6 | 申请日： | 2018-03-14 |
| 公开（公告）号： | CN108509869A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 谭平;莫斯尧;余伶俐 | 申请（专利权）人： | 中南大学;湖南商学院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06F3/01;G06N3/12 |
| 代理公司： | 北京科家知识产权代理事务所(普通合伙) 11427 | 代理人： | 陈娟 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于OpenBCI的特征集优化在线训练方法，涉及生物医学信号处理技术领域，该基于OpenBCI的特征集优化在线训练方法采用时域分割的方法对采集到的脑电信号进行提取，扩展样本集，减少训练样本采集时间；采用遗传算法以及交叉验证的方式，优化特征集，完成特征选择，得到最优特征选择因子；使用特征优化选择之后的特征集训练分类器，得到脑电信号的分类器模型。本发明主要使用了信号的时域特性，进行了样本集的扩展，这不仅减轻了训练数据的采集压力，同时也保证了样本集的质量，没有提高模型过拟合的风险，另外本发明优化了采集通道与特征集，降低了特征集的冗余度，也提高了识别的性能。 | ||
| 搜索关键词： | 特征集 在线训练 样本集 优化 脑电信号 特征选择 采集 生物医学信号处理 分类器模型 训练分类器 采集通道 交叉验证 时域分割 时域特性 特征优化 训练数据 训练样本 遗传算法 冗余度 拟合 保证 | ||
【主权项】：
1.一种基于OpenBCI的特征集优化在线训练方法，其特征在于：所述基于OpenBCI的特征集优化在线训练方法包括以下步骤：步骤1：采集试验者根据提示箭头而产生的运动想象脑电信号；步骤2：对采集的信号进行时域分割；步骤3：根据相关熵原则对脑电采集电极进行筛选；步骤4：对选择的通道的信号进行频域分离；步骤5：对特征集进行优化选择，得到最优特征选择因子；步骤6：根据最优特征选择因子对训练样本进行特征集优化，训练分类器。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学;湖南商学院，未经中南大学;湖南商学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810206898.6/，转载请声明来源钻瓜专利网。
