运动想象 (MI) 分类学习系列 (15) :PCA-FLD-KELM

论文地址：https://www.sciencedirect.com/science/article/abs/pii/S0933365719304816
论文题目：A novel method of motor imagery classification using eeg signal
论文代码：暂无

0. 引言

脑机接口（BCI）利基市场中一个广泛研究的主题是运动图像（MI），用户想象肢体运动来控制系统。这种兴趣归因于它在游戏、神经假肢和神经康复方面的巨大应用潜力，在这些领域，用户对想象动作的想法需要被解码。脑电图 （EEG） 设备通常用于跟踪 BCI 系统中的脑运动。脑电图信号通过特征提取和分类进行识别。本研究提出了一种基于PCA（主成分分析）和FLD（Fisher’s Linear Discriminant）的混合KELM（Kernel Extreme Learning Machine）方法，用于脑电图数据的MI BCI分类。使用BCI竞争数据集III演示了该方法的性能和结果，并与当代方法进行了比较。所提方法的准确率为96.54%。

1. 主要贡献

1. Braisn-Computer Interface （BCI） 框架依赖于运动意象 （MI） 识别脑电运动的模板。
2. 主成分分析 （PCA）