摘要
在脑机接口中,让分类器从一个用户适应到另一个用户是具有挑战性的,但对于减少新用户的训练时间是必要的.但由于每个个体的神经信号存在着差异,常用的特征提取方法训练的分类器,应用于不同的用户时,准确率很低.因此本文提出了一种新的自适应共空间模式的特征提取方法,该算法通过选择合适的候选试验更新协方差矩阵,然后对提取的特征进行子空间对齐,最后用于训练分类器进行分类.由实验结果得出该方法的分类准确率优于传统的CSP算法和传统的自适应CSP算法,最后通过对提取特征的可视化可以看出改进的子空间对齐可以降低源域与目标域的域方差,减小源域与目标域之间的差异.
NETL
NSTL
维普
万方数据