论文部分内容阅读
设计有效的学习算法快速准确地对脑电信号（eelectroencephalogram,EEG）进行连续预测是脑机接口（brain-computer interface,BCI）研究的关键之一。本文提出了一种新颖的基于判别混合高斯模型（discriminative gaussian mixture model,DGMM）的信息积累方法。该方法通过区分度权值对分类器在各时段的输出进行积累,从而达到提高脑电信号分类精度的作用。在两个运动想象数据集上的实验结果表明该方法能够提高BCI系统的性能,具有较好的实用性。