改进的半监督聚类在meg脑机接口中的应用

？脑磁信号(meg)作为一种新的脑机接口(bci)输入信号，含有手运动方向的模式信息。鉴于半监督聚类融合了训练数据先验知识的优势，提出一种基于训练中心的半监督模糊聚类算法。该算法分为降维和改进的半监督聚类，采用主成分分析和线性判别分析将高维数据降到低维，改进的半监督聚类在对训练数据进行模糊聚类的基础上，将得到的聚类中心加权到测试数据聚类过程中，以增加测试数据聚类中心的鲁棒性。结果表明，该算法识别率较高，平均识别率达到了55.1%，优于bci竞赛ⅳ的最好结果46.9%。