基于可生长自组织映射的意识任务分类

摘要

在基于脑电(EEG)的脑-机接口技术中,使用可生长自组织映射(SOM)神经网络进行了5类意识任务分类的研究.结果表明:①可生长SOM能够根据数据内部结构自适应地调整确定其映射网络的拓扑形状,在一定程度上反应了数据的分布特征;②可生长SOM更关注那些表达误差比较大的映射单元,从而整体上减小了映射网络的表达误差,提高了对数据模式的表达能力,有利于模式的分类处理;③可生长SOM侧重于表达类别之间的边界信息,这对于分类问题有着积极的作用.与传统SOM相比,使用可生长SOM进行5类分类处理得到的分类精度提高了10%左右,分类正确率可以超过80%,说明可生长SOM在脑-机接口系统中有着很大的潜在应用性.