[发明专利]一种脑电信号模式多分类的优选样本数抽样方法

摘要

本发明公开了一种脑电信号模式多分类的优选样本数抽样方法，本发明首先采集对不同颜色的视觉刺激图像的脑电信号，并提取特征向量，以及降维处理，得到待分类的特征数据，然后基于设置的分类方法，取值为0.5～1的等间隔的多个抽样率，获取每个抽样率的颜色分类准确率，基于颜色分类准确率最高的抽样率或前Mc个颜色分类准确最高的抽样率中的最小者得到当前分类方法的优选样本数。本发明通过对分类样本数的抽样分析，可以寻找脑电多分类问题中更适合的样本数，减小训练样本数对分类效果的影响，在结果分析上，避免因为样本数的差异导致对不同分类器分类性能的错误评估。

主权项

一种脑电信号模式多分类的优选样本数抽样方法，其特征在于，包括下列步骤：步骤1：采集三维脑电数据：设置Nc种颜色的棋盘格视觉刺激图像，所述Nc种颜色等亮度和等饱和度，色调从0度到300度以固定步长变化；将所述视觉刺激图像以预设频率f1周期闪烁呈现，每次只呈现一种颜色，持续时间为T1，并采用脑电策略设备采集关于所述视觉刺激图像的重复刺激下的脑电信号，得到三维脑电数据，所述三维包括导联数、刺激重复次数和时间样本点；并以重复刺激出现时刻为零点对齐所述三维脑电数据后，进行预处理：包括平均参考、带通滤波和基线校准；步骤2：基于预处理后的三维脑电数据，采用快速傅里叶方法计算刺激出现后的时间窗内的功率谱密度；设置时‑频窗口数K，每个时‑频窗口的频率窗口宽度为wk，其中k＝1,2,…,K；分别以K个中心频率fk＝kf1得到K个时‑频窗口，并计算每个导联的每个时‑频窗口的信噪比特征：其中，p(·)表示各频点的功率，由K个信噪比特征得到每个导联数据的特征向量，由所有导联数据的特征向量得到一个刺激重复次数的特征向量矩阵；步骤3：对所有刺激重复的特征向量矩阵进行特征降维处理，得到最终的待分类特征数据，步骤4：设置分类方法，记为分类方法A，获取分类方法A的优选样本抽样数：对所述待分类特征数据，在抽样率取值范围[0.5,1]内，以预设步长遍历不同抽样率下的Tc次关于刺激重复次数的抽样结果，其中Tc≥10，并获取每个抽样率的颜色分类准确率，基于颜色分类准确率最高的抽样率得到分类方法A的优选样本抽样数；其中每个抽样率的颜色分类准确率为Tc次抽样结果关于Nc种颜色的分类结果的颜色分类准确率的均值。