確率的データ補間を用いたBCIのためのBoostingアルゴリズムの提案

摘要

近年，脳からの情報により機械を制御するBCI (Brain-computer interface）やBMI (Brain-machine interface）の研究が盛んに行われている．近赤外分光法(NIRS）や脳波計測の装置により脳活動を計測し，得られたデータのクラスター間の相違を判別モデルにより判別して機器を制御する．しかし，従来の判別モデルでは，データクラスターを構成するのに多量のデータが必要であり，機器環境の動的な変化には追従できない場合がある．本論文では，Boostingアルゴリズムを用いて，確率的データ補間による新たなBCIにおける判別法を提案する．Boosting法におけるデータ付与の重みによるデータの選別ではなく，脳活動データの特異性を考慮して定義された確率密度関数に応じて補間データを誤判別データの近傍に補充しデータを構成する．このデータ補間のBoosting法により，脳活動データが少ない場合や環境の変動にも適応できるロバスト性を有する判別関数を得ることができる．ここでは，本手法をNIRS計測装置を用いた脳活動計測の実験に適用し，その有用性を検討する．