【摘要】：隨著科技的發(fā)展,對于那些大腦健康而肢體行動不便或者無法行動的患者,例如:肌萎縮側索硬化癥(ALS)患者,越發(fā)的渴望能夠通過自己的大腦直接與外部設備進行交流,腦-機接口(Brain-Computer Interface,BCI)技術就在這種背景下出現(xiàn)并快速發(fā)展。腦電波信號的分類算法作為BCI技術中一個重要的環(huán)節(jié),對其進行研究將有著重大的現(xiàn)實意義及實用價值。本文的主要研究內(nèi)容:1.針對樸素貝葉斯分類器(Naive Bayesian Classifier, NBC)及貝葉斯網(wǎng)絡(Bayesian Network, BN)的不足進行了改進,基于最近鄰(Nearest Neighbor, NN)算法,建立一個計算聯(lián)合概率分布的概率估計器,并提出一種無模型貝葉斯分類器(Model-Free Bayesian Classifier, MFBC)算法實現(xiàn)數(shù)據(jù)的分類。2.提出一種新型的自組織特征提取算法,并對MFBC算法進行擴展,從而能夠處理回歸問題,通過與極限學習機(Extreme Learning Machine,ELM)進行比較,從而驗證了擴展后的MFBC處理回歸問題的有效性。3.根據(jù)模糊C均值(Fuzzy C Means, FCM)聚類算法對人造腦電波信號數(shù)據(jù)與真實腦電波信號數(shù)據(jù)進行區(qū)分。4.進行對腦電波信號識別系統(tǒng)的設計,包括UCI (University of California Irvine)數(shù)據(jù)及腦電波數(shù)據(jù)的導入、MFBC算法、實驗結果分析等功能。最后通過UCI數(shù)據(jù)進行MFBC算法的敏感性分析,同時證明MFBC算法的收斂性。通過與其他經(jīng)典的及集成分類器進行比較,驗證了 MFBC算法的有效性。同時將MFBC算法與公共空間模型(Common Spatial Pattern,CSP)算法相結合應用于BCI系統(tǒng)中的信號分類環(huán)節(jié)中,從而證明其實用性。
[Abstract]:With the development of science and technology, for those with healthy brain, physically disabled or unable to move, such as amyotrophic lateral sclerosis (ALS), there is a growing desire to communicate directly with external devices through their own brains. Brain-computer interface (Brain-Computer Interface,BCI) technology emerged in this context and developed rapidly. As an important part of BCI technology, the classification algorithm of brain wave signal will have great practical significance and practical value. The main contents of this paper are as follows: 1. Aiming at the shortcomings of naive Bayesian classifier (Naive Bayesian Classifier, NBC) and Bayesian network (Bayesian Network, BN), a probabilistic estimator to calculate the joint probability distribution is established based on the nearest neighbor (Nearest Neighbor, NN) algorithm. A modelless Bayesian classifier (Model-Free Bayesian Classifier, MFBC) is proposed to classify data. 2. In this paper, a new self-organizing feature extraction algorithm is proposed, and the MFBC algorithm is extended to deal with the regression problem, which is compared with the extreme learning machine (Extreme Learning Machine,ELM). The effectiveness of the extended MFBC in dealing with regression problems is verified. 3. 3. According to the fuzzy C-means (Fuzzy C Means, FCM) clustering algorithm, the artificial EEG signal data and the real EEG signal data are distinguished. 4. The design of brain wave signal recognition system, including UCI (University of California Irvine) data and brain wave data import, MFBC algorithm, experimental results analysis and other functions. Finally, the sensitivity of MFBC algorithm is analyzed by UCI data, and the convergence of MFBC algorithm is proved. Compared with other classical and integrated classifiers, the effectiveness of MFBC algorithm is verified. At the same time, the MFBC algorithm and the common space model (Common Spatial Pattern,CSP) algorithm are applied to the signal classification in the BCI system, which proves its practicability.
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R318;TN911.7

【相似文獻】

相關期刊論文 前10條

1 鄧u&;付長賀;;四種貝葉斯分類器及其比較[J];沈陽師范大學學報(自然科學版);2008年01期

2 董立巖;李真;閻鵬飛;;基于貝葉斯分類器的重大危險源辨識[J];吉林大學學報(理學版);2009年04期

3 王陽;李連發(fā);;空間貝葉斯分類器并行化[J];地理與地理信息科學;2013年04期

4 賈海軍;陳海光;;基于貝葉斯分類的主題爬蟲[J];上海師范大學學報(自然科學版);2013年06期

5 曹京津;秦立軍;;改進貝葉斯分類器在電力系統(tǒng)負荷預測中的應用[J];科技創(chuàng)新與生產(chǎn)力;2014年05期

6 張克涵;吳迪;李愛國;宋保維;;基于貝葉斯分類器的報稅欺詐檢測[J];計算機仿真;2010年09期

7 蔣才智;王浩;姚宏亮;;基于知網(wǎng)的貝葉斯中文人名識別[J];南京大學學報(自然科學版);2012年02期

8 程澤凱,林士敏,陸玉昌,蔣望東,陸小藝;基于Matlab的貝葉斯分類器實驗平臺MBNC[J];復旦學報(自然科學版);2004年05期

9 高志峰;汪渤;周志強;;基于貝葉斯分類器的實時圖像目標識別實驗研究[J];實驗科學與技術;2014年01期

10 李楠;李春;;一種新的蛋白質(zhì)結構類預測方法[J];生物信息學;2012年04期

相關會議論文 前6條

1 吳銘;徐蔚然;郭軍;;基于統(tǒng)計的中文標點識別算法研究[A];第八屆全國漢字識別學術會議論文集[C];2002年

2 張曉峰;王麗珍;肖清;趙麗紅;;基于概念劃分的連續(xù)最近鄰查詢研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

3 管猛;張剡;柏文陽;;基于地表的連續(xù)可見最近鄰查詢方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

4 陳璐;高云君;柳晴;陳剛;;受限相互最近鄰查詢處理[A];第29屆中國數(shù)據(jù)庫學術會議論文集（B輯）（NDBC2012）[C];2012年

5 盛梅紅;沙朝鋒;宮學慶;嵇曉;周傲英;;道路網(wǎng)絡環(huán)境中的多對象最近鄰查詢[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2006年

6 劉月清;章勇;;一種改進的動態(tài)最近鄰聚類算法[A];全國自動化新技術學術交流會會議論文集（一）[C];2005年

相關博士學位論文 前4條

1 杜瑞杰;貝葉斯分類器及其應用研究[D];上海大學;2012年

2 張婷;基于量化的近似最近鄰搜索技術研究[D];中國科學技術大學;2017年

3 楊澤雪;空間連接及最近鄰變體查詢研究[D];哈爾濱理工大學;2014年

4 孫冬璞;時空數(shù)據(jù)庫多類型最近鄰查詢的研究[D];哈爾濱理工大學;2010年

相關碩士學位論文 前10條

1 陳杰;無模型貝葉斯分類器方法及在腦電波信號識別中的應用[D];北京化工大學;2017年

2 姜文天;基于Clementine的貝葉斯分類器的學習與應用[D];北京理工大學;2015年

3 吳楊;基于信息論的二階樹增廣貝葉斯模型的研究與設計[D];吉林大學;2016年

4 高興;基于空間分布信息的連續(xù)屬性貝葉斯分類研究[D];齊齊哈爾大學;2016年

5 李玉杰;半樸素貝葉斯分類器研究[D];中央民族大學;2017年

6 李美慧;基于KDB模型的無約束貝葉斯分類器的研究與應用[D];吉林大學;2017年

7 曹鴻浩;自適應K階依賴貝葉斯分類器的設計與研究[D];吉林大學;2015年

8 姚天韻;入侵檢測中的貝葉斯分類器的研究[D];大連交通大學;2008年

9 施軼青;監(jiān)督學習下的貝葉斯分類器研究[D];西安電子科技大學;2011年

10 喬珠峰;基于不完整數(shù)據(jù)處理方法的貝葉斯分類器研究[D];北京交通大學;2007年

，

本文編號：2304951