Počet záznamů: 1

Comparison of four classification methods for brain-computer interface

  1. 1.
    0359738 - UIVT-O 2012 RIV CZ eng J - Článek v odborném periodiku
    Frolov, A. - Húsek, Dušan - Bobrov, P.
    Comparison of four classification methods for brain-computer interface.
    Neural Network World. Roč. 21, č. 2 (2011), s. 101-115 ISSN 1210-0552
    Grant CEP: GA MŠk(CZ) 1M0567; GA ČR GA201/05/0079; GA ČR GAP202/10/0262
    Výzkumný záměr: CEZ:AV0Z10300504
    Klíčová slova: brain computer interface * motor imagery * visual imagery * EEG pattern classification * Bayesian classification * Common Spatial Patterns * Common Tensor Discriminant Analysis
    Kód oboru RIV: IN - Informatika
    Impakt faktor: 0.646, rok: 2011

    Four classifiers effectiveness, for Brain Computer Interface (BCI) based on multichannel EEG with aim to distinguish EEG patterns corresponding to performance of several mental tasks, is compared. Basic Bayesian classifier (BC) exploits only inter-channel covariance matrices. The second one based on Bayesian approach exploits inter-channel covariance matrices estimated separately for several frequency bands (Multiband Bayesian Classifier, MBBC). The third one based on Multiclass Common Spatial Patterns (MSCP) method exploits only inter-channel covariance matrices as BC. The fourth one based on Common Tensor Discriminant Analysis (CTDA) takes EEG frequency structure into account. The MBBC and CTDA classifiers perform significantly better than the two other methods. Classifiers computational complexity analysis shows that an increase in the classifying quality is always accompanied by a significant increase of computational complexity.

    Je porovnána efektivita čtyř klasifikátorů, pro rozhraní počítač mozek (BCI) na základě vícekanálového EEG s cílem rozlišit v EEG artefakty odpovídající výkonu různých duševních úkolů. Základní Bayesovský klasifikátor (BC) pracuje pouze s mezikanálovou kovarianční maticí. Druhý založený na Bayesovském přístupu zkoumá strukturu mezikanálových kovariančních matic EEG odhadovaných zvlášť pro několik kmitočtových pásem (vícepásmový Bayesovský klasifikátor, MBBC). Třetí, založený na metodě Multiclass Common Spatial Patterns (MSCP) využívá pouze mezi-kanálové kovarianční matice stejně jako BC. Čtvrtý založený na Common Tensor Discriminant Analysis (CTDA) bere v úvahu frekvenční strukturu EEG. MBBC a CTDA klasifikátory dosahují výrazně lepších výsledků než ostatní dvě metody. Analýza výpočetní složitosti ukazuje, že zvýšení kvality klasifikace je vždy doprovázeno výrazným zvýšením výpočetní složitosti.
    Trvalý link: http://hdl.handle.net/11104/0006452
    Název souboruStaženoVelikostKomentářVerzePřístup
    0359738.pdf2965.1 KBVydavatelský postprintpovolen