%0 Journal Article
%T 脑机接口中多线性主成分分析的张量特征提取
%A 杨亮
%J -
%D 2015
%R doi:10.7507/1001-5515.20150096
%X 脑机接口(BCI)可以直接通过脑电(EEG)信号控制外部设备。本文针对传统主成分分析(PCA)和二维主成分分析(2DPCA)处理多通道EEG信号的局限性, 提出了多线性主成分分析(MPCA)的张量特征提取和分类框架。首先生成张量EEG数据, 然后进行张量降维并提取特征, 最后用Fisher线性判别分析分类器进行分类。实验中将新方法应用到BCI competitionⅡ数据集4和BCI competitionⅣ数据集3, 分别使用了EEG数据的时空二阶张量表示形式和时空频三阶张量表示形式, 通过对可调参数多次调试, 取得了高于其它同类降维方法的最佳结果。二阶输入最高正确率分别达到81.0%和40.1%, 三阶输入分别达到76.0%和43.5%
%K 脑机接口
%K 张量
%K 多线性主成分分析
%K 特征提取
%K 多通道脑电信号
%U http://www.biomedeng.cn:80/article/10.7507/1001-5515.20150096