[发明专利]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。

主权项

基于Fisher判别稀疏超限学习机的脑电分类方法，其特征在于，该方法包括如下步骤：步骤一：采用Fisher判别字典学习算法训练结构化字典；具体是：给定{A,Y}为训练样本，其中A＝[A₁,A₂,...,A_c]，A_i表示第i类样本，c表示类别总数；Y是对应的类别标签；令D＝[D₁,D₂,...,D_c]为A的冗余字典，其中D_i表示与第i类样本相关的原子；X＝[X₁,X₂,...,X_c]为系数矩阵，其中X_i表示与第i类样本相关的系数；根据公式(1)得到学习模型，然后进行优化求解，具体是：首先保持D不变，使用迭代投影算法更新稀疏编码稀疏矩阵X，然后把X当作常量，采用二次线性规划来更新D，如此交替循环，直至算法收敛，得出结构化字典D；$\begin{array}{c}{J}_{(D,X)}=\underset{(D,X)}{\arg \min }\{\underset{i=1}{\overset{c}{\Σ}}r(A_i,D,X_i)+{\mathrm{\λ}}_1|\left|X\right|{|}_1+{\mathrm{\λ}}_2\left(tr\right(S_W\left(X\right)-S_B\left(X\right))+\mathrm{\η}|\left|X\right|{|}_F^2)\}\\ r(A_i,D,X_i)=\left|\right|A_i-{\mathrm{DX}}_i|{|}_F^2+||A_i-D_i{X}_i^i|{|}_F^2+\underset{j=1,j\≠i}{\overset{c}{\Σ}}\left|\right|D_j{X}_i^j|{|}_F^2\\ S_W\left(X\right)={\Σ}_{i=1}^c{\Σ}_{x_{ik}\∈X_i}(x_{ik}-M_i){(x_{ik}-M_i)}^T\\ S_B\left(X\right)={\Σ}_{i=1}^c{n}_i(M_i-M){(M_i-M)}^T\end{array}---\left(1\right)$式中，r(A_i,D,X_i)表示重构误差约束和稀疏系数的可分性约束项，表示与第i类样本A_i第i类原子D_i相关的系数，表示与第i类样本A_i第j类原子D_j相关的系数，||·||_F表示F范数；||X||₁表示稀疏约束项，其中||·||₁表示l₁范数；

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201711373996.0/，转载请声明来源钻瓜专利网。