运动相关电位分类算法比较和语义范式分析

摘要

运动相关电位(M RPs)机理复杂、形式多变,使得对基于MRPs的脑电信号的特征提取和数据挖掘工作很具有挑战性.本文目的是要将多种机器学习和语义范式模型应用于对脑电信号的数据挖掘,以应对上述挑战.本文采用多种机器学习算法和信号处理方法进行分析和实验对比,并给出对应不同场景、目标的最佳模型.为了将跨度较大的模糊性的电生理信号、兼容多种信号的深度学习和明确的语义模型各领域无缝地衔接,实现了一个以脑电信号数据为研究对象的语义范式框架,赋予复杂信号以文法、语法和语义内涵,为深度神经网络构筑了语义解释.通过该范式框架能够找出脑电信号中特定语义的信息块以及这些信息块之间的语义组合,自动学习出高效的滤波器,达到准确率高、传输通量大、普适性强的效果.