基于可解释聚类模型的二分类运动想象脑电信号识别方法

摘要

本发明提供基于可解释聚类模型的二分类运动想象脑电信号识别方法，其包括步骤1、获取受试者的多通道运动想象脑电数据，将脑电数据进行逐次截断、滤波，存储为高维脑电数据矩阵；步骤2、使用空域滤波共空间模式从高维脑电数据矩阵中提取二维的运动想象脑电的方差特征；步骤3、把对应于各次实验的每个特征当成一个特征向量，计算每个特征向量的类内离散度与类间离散度；步骤4、根据Fisher比率原则，把对应于各次实验的两个特征向量作为最优的脑电特征；步骤5、使用半监督可解释聚类模型，判别矩形混合模型识别多个实验对象的最优脑电特征。该方法是一种有效的单次运动想象脑电聚类方法，在保证一定的分类精度时，无需训练集，缩短了训练时间。