多目标进化序列通道/特征选择用于EEG运动图像分析

科学领域:

• 神经科学和生物医学工程
• 大脑与计算机接口 (BCI) 技术
• 信号处理和机器学习

背景情况:

• 电脑电图 (EEG) 对运动图像 (MI) 的信号分析是复杂的,因为有许多道和特征.
• 现有的脑电脑接口 (BCI) 应用程序在高维EEG数据的高效处理方面面临挑战.
• 在MI分析中的组合搜索复杂性阻碍了实际BCI系统的开发.

研究的目的:

• 为基于EEG的运动图像 (MI) 信号分析开发一种高效的算法.
• 为了减少计算复杂性和提高BCI系统的准确性.
• 为了确定最佳道和最少的一组功能,以增强MI检测.

主要方法:

• 提出了一种基于多目标集合的整数编码模糊初始化的两步进化算法 (MOSIFE).
• 对于连续的频道和特征选择,采用了非主导的包装策略.
• 使用爬行动物搜索算法 (RSA) 来优化分类器超参数.

主要成果:

• 与12个基准算法相比,MOSIFE-RSA算法在准确度上实现了20%的改进.
• 频道选择贡献了高达15%,特征选择贡献了高达5%的精度增长.
• 通过道选择,计算复杂性减少了81%,通过功能选择减少了16%.

结论:

• 拟议的MOSIFE-RSA算法有效地解决了基于EEG的MI信号分析的复杂性.
• 这种方法显著提高了准确性,并减少了BCI应用程序中的计算负载.
• 这些发现对开发更有效,更准确的BCI系统具有实际意义.