基于Fisher判别稀疏超限学习机的脑电分类方法

摘要

本发明提出一种基于Fisher判别稀疏超限学习机的脑电分类方法。首先依据Fisher判别准则训练出一个结构化字典，其次根据这个字典获得更有区分性的稀疏系数进行信号重构，得到更有效的特征信号，然后利用超限学习机算法对新的特征信号进行分类，从而提高多运动想象任务分类的准确性。该方法在脑‑机接口领域具有广阔的应用前景。