[发明专利]一种基于稀疏度量的分类方法

摘要

本发明公开了一种基于稀疏度量的分类方法，具体为：计算类间离散度矩阵和类内离散度矩阵，对得到的矩阵进行分解，将Fisher判别准则转化为L1模结构，估计使得目标函数取得最大值的投影向量。针对现有的基于L2模测度函数的LDA会对Outliers等噪声产生不利的放大，本发明的方法在构造判别分析时采用了基于L1模的测度函数，能够克服现有基于L2模的线性判别分析受到Outliers以及噪声孤立点影响的问题，获得稳健的分类识别效果，在一定程度上提高BCI系统的稳定性。

主权项

1.一种基于稀疏度量的分类方法，具体包括如下步骤：S1.根据脑电信号训练样本分别计算类间离散度矩阵S_B和类内离散度矩阵S_W；S2.根据步骤S1得到的类间离散度矩阵S_B和类内离散度矩阵S_W构造出相应的φ_B和其中，φ_B和分别满足S3.将Fisher判别准则转化为L1模结构，即有：将所述L1模结构映射到对数空间转化为如下目标函数：其中，w为投影向量，估计使得目标函数取得最大值的投影向量w。