基于LSTM-Attention的P300事件相关电位识别分类研究 |
| |
引用本文: | 王夏霖,阚秀,范艺璇.基于LSTM-Attention的P300事件相关电位识别分类研究[J].电子科技,2022(12):10-16. |
| |
作者姓名: | 王夏霖 阚秀 范艺璇 |
| |
作者单位: | 上海工程技术大学电子电气工程学院 |
| |
基金项目: | 国家自然科学基金(61703270)~~; |
| |
摘 要: | 针对脑电信号中P300事件相关电位识别分类准确率较低的问题,文中提出了一种基于LSTM-Attention网络的P300事件相关电位的识别分类方法。在数据处理阶段使用SMOTE对脑电信号中P300电位数据进行数据增广,并基于DBSCAN聚类算法剔除合成数据中的无关噪声。在识别分类阶段,通过在LSTM网络后加入注意力机制和Dropout层搭建LSTM-Attention分类识别网络,并使用Sigmoid函数输出P300事件相关电位的识别分类结果。实验结果表明,文中方法能够有效对脑电信号中的P300事件相关电位进行识别分类,准确率和Dice系数均值分别达到了91.9%和91.7%,与传统方法相比准确性更高、泛化性能更强。
|
关 键 词: | P300事件相关电位 脑电信号 长短期记忆网络 注意力机制 数据处理 合成上采样 密度聚类 识别分类 |
|
|