[发明专利]基于分层分类及纠错机制的脑电信号分类方法

权利要求书

1.一种基于分层分类及纠错机制的脑电信号分类方法，其特征在于，包括如下步骤：

S1、获取受试者多类别多通道运动想象脑电信号并进行预处理；

S2、对于S1所得的预处理后数据，计算得出相关特征矩阵并输入RBF神经网络结合DEMATEL计算各通道特征表征度,依据所得特征表征度确定各通道的特征权重；

S3、计算各通道的相关熵值并根据S2所得各通道的特征权重对熵值进行加权，利用离散Fréchet距离曲线相似性判断将脑电信号预分为两大类；

S4、基于S3所得两大类，分别利用RCSP进行特征提取，并利用SVM对预分类结果进一步细分类；

S5、根据预分类和细分类两次分类情况，结合纠错机制对这两次分类结果进行综合分析纠错。

2.根据权利要求1所述的基于分层分类及纠错机制的脑电信号分类方法，其特征在于，S3中，将脑电信号预分为两大类，分别是左、右手和双拳、脚。

3.根据权利要求2所述的基于分层分类及纠错机制的脑电信号分类方法，其特征在于，S3中对脑电信号熵值用通道特征权重加权后，根据离散Fréchet距离曲线相似性来进行脑电信号的预分类；64维脑电信号熵值可以构成一个大小为1*64的一维熵值向量；依据RBF和DEMATEL所求得的脑电信号各通道的特征相关性排序对熵值向量加权规则如下：

其中，C_L为第L个通道,x_i为第i个通道对应的时间序列，η_i为第i个时间序列的加权的权值；熵值向量利用离散Fréchet法则与各个类型的标样向量进行曲线相似度比对，从而实现样本预分类。

4.根据权利要求1所述的一种基于分层分类及纠错机制的脑电信号分类方法，其特征在于，S5具体如下：

S51、关于两次分类易错样本的确定；针对预分类，统计所有测试样本与标样的相似值后设置判断阈值，若是两种类型之间的相似值大于该阈值则表明该样本预分类的准确度不高，该样本被划分为易错样本；针对细分类，计算细分类SVM分类器中测试样本距离超平面的距离，越接近超平面则说明该样本的分类的准确性可信度低，该样本被划分为易错样本；测试样本距离超平面的距离表示如下：

其中：(x₁,y₂)为样本点，x₁为第一类样本y₂为第二类样本，w₁、w₂为超平面界限的参数，b为位移项；

S52、针对S51所判别易错样本，训练左拳和双脚、左手和双拳、右手和双脚、右手和双拳这四类SVM分类器，结合细分类中已训练的两个SVM分类器，构成分类器组，根据易错样本在这六个分类器中的分类情况设计纠错机制，不同的分类情况对应不同的纠错方式，主要纠错方式如下：

若分类器组存在三个分类器结果相同的情况，则直接以该结果判定该易错样本的最终类别；

若分类器组存在两个分类器结果相同的情况，则结合预分类中样本间相似度与分类器组分类结果相比较后确定易错样本的最终类别。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1～4中任一项所述的基于分层分类及纠错机制的脑电信号分类方法中的步骤。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～4中任一项所述的基于分层分类及纠错机制的脑电信号分类方法中的步骤。