遥感与地理信息系统学报

抽象的

一种改进基于运动想象的 BCI 的新型三维概率分类器

阿德里安·阿什利

简介：基于运动想象 BCI 的辅助机器人解决方案有可能增强残疾人上肢移动独立性。这项工作的目的是将成熟分类器的分类性能与新颖的原型分类器进行比较。方法：作者开发了一种自适应决策面 ADS 分类器，未来目标是增强辅助机器人假肢手与 LIDAR 传感器协作张开和闭合以抓取物体的能力。ADS 使用来自格拉茨理工大学的 BCI 竞赛 IV 数据集 2a 的训练数据集进行训练。主要结果：使用非自适应 ADS，离线测试的分类准确率达到 76.06% 的 1 类和 81.50% 的 2 类，而使用自适应 ADS 分类器的分类准确率达到 79.55% 的 1 类和 99.69% 的 2 类。结论：作者展示了一种用于运动想象数据集的原型自适应决策分类器。