基于运动想象脑电数据的深度学习方法

摘要

一种基于运动想象脑电数据的深度学习方法，包括：步骤一，对于运动想象脑电数据，对原始数据进行去噪处理，然后通过滤波提取8HZ～30HZ的α波和β波段的数据，然后利用傅里叶变换算法将时域数据转化为频域数据。步骤二，首先利用单导联数据训练每个弱分类器，然后采用boost方法将弱分类器结合为最终的强分类器。步骤三，训练后得到判别模型，测试数据放入模型后利用已学习参数进行学习特征，最后根据各个特征进行判别分析。无需人工挑选特征；通过多层抽象后的特征能更好的表达原有数据所要表达的信息，滤除掉多余无用信息，为分类提供方便；利用DL可以有效进行特征提取的优势，分类特征的提取精确性有了保证；依托分类器的分类功能，达到预期的分类效果。