Resumen

La interfaz cerebro-ordenador (BCI) es un sistema de comunicación y control que vincula el cerebro humano y los ordenadores u otros dispositivos electrónicos. Sin embargo, los canales irrelevantes y las características engañosas no relacionadas con las tareas limitan el rendimiento de la clasificación. Para abordar estos problemas, proponemos un marco eficiente de procesamiento de señales basado en la optimización de enjambre de partículas (PSO) para la selección de canales y características, la selección de canales y la selección de características. Se utilizaron transformadas de Stockwell modificadas para una extracción de características, y se aplicó un análisis discriminante lineal multinivel híbrido PSO-Bayesiano para la optimización y la clasificación. Se utilizó el conjunto de datos BCI Competition III para confirmar la superioridad del esquema propuesto. En comparación con un método sin optimización (89 En comparación con un método sin optimización (89% de exactitud), la mejor exactitud de clasificación del esquema basado en PSO fue del 99% cuando se utilizó menos del 10,5% de las características originales, el tiempo de prueba se redujo en más del 90%, y logró valores Kappa y F-score de 0,98 y 98,99%, respectivamente, y una mejor relación señal-ruido, superando así a los algoritmos existentes. Los resultados muestran que el esquema de selección de canales y características puede acelerar la velocidad de convergencia al óptimo global y reducir el tiempo de entrenamiento. Como el marco propuesto puede mejorar significativamente el rendimiento de la clasificación, reducir eficazmente el número de características y acortar en gran medida el tiempo de prueba, puede servir de referencia para la investigación de sistemas de aplicación de BCI en tiempo real.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:tiempo de prueba, rendimiento de la clasificación, selección de características, aplicación de bci en el tiempo, mejor precisión de la clasificación, conjunto de datos de la competición iii, marco de procesamiento de señales, transformadas de stockwell modificadas, competición bci iii, número de características
• Keywords:test time, classification performance, features selection, time bci application, best classification accuracy, competition iii dataset, signal processing framework, modified stockwell transforms, bci competition iii, number of features