基于改进GHSOM的运动想象脑电信号自适应识别方法.pdfVIP

学兔兔 第36卷 第5期 仪 器 仪 表 学 报 Vo1．36No．5 2015年 5月 ChineseJournalofScientificInstrument Mav．2015 基于改进 GHSOM 的运动想象脑 电 信号 自适应识别方法 术 李明爱 一，田晓霞 ，孙炎琚 ，杨金福 ’ (1．北京工业大学电子信息与控制工程学院 北京 100124； 2．计算智能与智能系统北京市重点实验室 北京 100124) 摘 要：为解决运动想象脑电信号 (MI—EEG)的识别方法泛化能力受限和 自适应性差等问题 ，对传统的生长 、分层 自组织 映射神经网络 (GHSOM)进行改进 ，并提出一种主成分分析法 (PCA)与改进的GHSOM神经网络 (IGHSOM)相结合的脑 电 自适应识别方法 。由于 IGHSOM能够根据上一层扩展神经元 的量化误差进行 自动分层判断，使得其不仅对数据 映射 更加准确和详细 ，而且增强了网络的稳定性和 自适应性。基于脑机接 口(BCI)竞赛数据库 ，利用 PCA进行特征提取 ，以 IGHSOM为分类器进行实验研究 。结果表明 ，该方法获得 了较高的识别精度 ，验证 了GHSOM改进策略及该识别方法的 正确性和有效性。 关键词：运动想象脑电信号 ；自适应性；主成分分析 ；GHSOM神经网络；识别 中图分类号：TH79 文献标识码 ：A 国家标准学科分类代码：510．40 Adaptiverecognitionmethodbasedon improved-GHSOM formotorimageryEEG LiMing’ai一，TianXiaoxia’， SunYanjun，YangJinfu (J．CollegeofElectronicInformationControlEngineering，BeifingUniversityofTechnology，Beijing100124，China； 2．BeringKeyLaboratoryofComputationalIntelligehATeandIntelligent~tem，Betling100124，China) Abstract：Tosolvethelimitedgeneralizationandpooradaptabilityoftherecognitionmethodformotorimageryelectroencephalography (MI—EEG)，thetraditionalgrowinghierarchicalself-organizingmap(GHSOM)neuralnetworkisimproved，andanadaptiverecognition methodisproposedbasedOilprincipalcomponentanalysis(PCA)andimprovedGHSOM (IGHSOM)neuralnetwork．Thehierarchy growthjudgmentisautomaticallyaccomplishedaccordingtothequantizationerroroftheexpansionneuronsinupperlayer．Thus，IGH— SOM cannotonlyreflectthemappingdatamoreaccuratelyandinmoredetails，butalsoimprovethestabilityandadaptiveabilityofthe network．TheexperimentontheBCIcompetitiond