非监督特征学习方法在脑电身份识别中的应用
Unsupervised Feature Learning Method with Application to EEG signal based Personal Identification
投稿时间:2014-11-06  修订日期:2014-11-06
DOI:
中文关键词: 模拟阅读  脑电信号特征提取  非监督特征学习  身份识别
英文关键词: Imitating-Reading ERP  EEG feature extraction  Unsupervised feature learning method  Personal identification
基金项目:国家自然科学基金资助项目 (91120017) 国家自然科学基金资助项目(81271659) 中央高校基本科研业务费资助项目( CZY13031 )
作者单位E-mail
官金安 中南民族大学 生物医学工程学院 guanja@mail.scuec.edu.cn 
高炜 中南民族大学 生物医学工程学院 gw_scuec@126.com 
周到 中南民族大学 生物医学工程学院  
高军峰 中南民族大学 生物医学工程学院  
摘要点击次数: 439
全文下载次数: 
中文摘要:
      非监督特征学习方法可以从样本中自动提取具有代表性的特征向量,本研究实现该方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取并对提取的特征向量进行模式分类。实验中共采集五名受试者脑电信号,每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100ms至400ms在通道PO3、O1、Oz、O2、PO4、P4、P8、CP6的脑电信号样本组成,各受试者样本集均含400个试次样本。非监督特征学习过程由含六个神经节的BP神经网络完成,后选用支持向量机作为分类器。对比了单试次,双试次、五试次、十试次样本叠加等几种不同情况下采用非监督特征学习方法提取特征的分类正确率。实验结果表明,采用多神经节人工神经网络对五名使用者五试次叠加信号样本提取的特征向量的分类正确率高于90%,显著优于对各单通道时域特征向量的分类正确率。该方法为以脑电信号为特征的身份识别系统提供了一种可行的特征提取方式。
英文摘要:
      The multi-ganglion BP neural network based feature learning method, a kind of unsupervised methods, is applied to the feature extraction procedure of Imitating-Reading EEG based personal identification system. Five subjects participated in the Imitating-Reading ERP experiments. The dataset of each subject contains 400 trials of eight channel ( PO3, O1, Oz, O2, PO4, P4, P8, CP6 ) EEG signals ranging from 100ms to 400ms after the subject receiving target stimuli. The multi-ganglion BP neural network, which consists of six relative small-scale auto-encoders, is applied to extract the feature vectors from single-trial EEG signals and two, five, ten-trial averaging EEG signals respectively. The classification procedure is performed by support vector machine and the classification accuracy of the subjects exceeds 90%, when using five-trial averaging samples, considerably higher than using single-channel temporal feature extraction method. This study provides an unsupervised feature learning method for the application of EEG based personal identification system.
View Fulltext   查看/发表评论  下载PDF阅读器
关闭