×
马丁·谢尔斯;斯特凡·谢勒;迈克尔·格洛德克;汉斯·凯斯特勒（Hans A.Kestler）。;甘瑟·帕尔姆;弗里德海姆·施温克

利用信息融合发现脑电数据中的事件。 （英语） Zbl 1305.65074号

计算。斯达。 第1期第28期，第5-18页（2013年）.
小结：处理脑-机接口的一种方法是考虑脑电图中的事件相关电位，如公认的P300现象。本文采用了一种多分类器方法来发现生物电信号中的这些事件，并用它们判断受试者是否识别了特定的模式。处理噪声数据以及严重不平衡的目标类分布是遇到的困难之一。我们的方法利用电极分割来创建鲁棒且有意义的个体分类器，然后使用决策融合将其组合。此外，还评估了一种使用遗传算法的分类器选择方法，并将其用于优化。所提出的利用信息融合的方法显示出良好的结果（ROC曲线下面积超过0.8）。

引用于1文件

MSC公司：

62-08 统计问题的计算方法

关键词：

多分类器系统;EEG数据;P300事件

软件：

公里
PDF格式BibTeX公司 XML格式引用
\textit{M.Schels}等人，计算。Stat.28，No.1，5--18（2013；Zbl 1305.65074）
全文： DOI程序

参考文献：

[1] Bäck T（1996）理论与实践中的进化算法：进化策略，进化规划，遗传算法。牛津大学出版社·Zbl 0877.68060号
[2] Birbaumer N，Schmidt RF（2006）《生物心理学》。德语版。柏林施普林格
[3] Breiman L（2001）《随机森林》。马赫数学习45:5–32·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324
[4] Chen C，Liaw A，Breiman L（2004）使用随机森林学习不平衡数据。伯克利大学统计系技术报告
[5] Chumerin N、Manyakov NV、Combaz A、Suykens JAK、Yazicioglu RF、Torfs T、Merken P、Neves HP、Van Hoof C、Van Hulle MM（2009）《基于在线脑机接口特征提取的P300检测》。收录：KI'09：第32届德国人工智能进展年会会议记录，施普林格，第339-346页
[6] Dujardin K，Derambure P，Bouriez JL，Jacquesson JM，Guieu JD（1993）注意任务中事件相关电位（ERP）的P300成分：年龄、刺激方式和事件概率的影响。国际心理物理杂志14（3）：255–267·doi:10.1016/0167-8760（93）90040-V
[7] Genolini C，Falissard B（2010）Kml：纵向数据的k平均值。计算统计25:317–328·Zbl 1221.62094号 ·doi:10.1007/s00180-009-0178-4
[8] Giacinto G，Roli F（1999）动态分类器选择方法。In:ICIAP’99第十届图像分析和处理国际会议记录，IEEE计算机学会，第659–664页
[9] Gray HM，Ambady N，Lowenthal WT，Deldin P（2004）P300作为自我相关刺激的注意力指数。《实验社会心理学杂志》40（2）：216–224·doi:10.1016/S0022-1031（03）00092-1
[10] Guyon I，Elisseeff A（2003）变量和特征选择导论。J Mach学习研究3:1157–1182·Zbl 1102.68556号
[11] Hild KE、Kurimo M、Calhoun VD（2010）第六届年度mlsp比赛。摘自：IEEE信号处理机器学习国际研讨会（MLSP），第107–111页
[12] Iscan Z（2010）Mlsp竞赛，2010：第二名方法描述。摘自：IEEE信号处理机器学习国际研讨会（MLSP），第114-115页
[13] Japkowicz N（2000）《从不平衡数据集中学习：各种策略的比较》。摘自：AAAI研讨会从不平衡数据集学习的进展，第10-15页
[14] Jordan MI，Jacobs RA（1994）专家和em算法的分层混合。神经计算6:181-214·doi:10.1162/neco.1996.2.181
[15] Kittler J、Hatef M、Duin RPW、Matas J（1998）《关于组合分类器》。IEEE Trans-Pattern Ana Mach Intell 20（3）：226–239·doi:10.1109/34.667881
[16] Kraus J、Müssel C、Palm G、Kestler HA（2011）《收集集群备选方案的多目标选择》。计算统计26:341–353·Zbl 1304.65048号 ·doi:10.1007/s00180-011-0244-6
[17] Kuncheva L（2002）组合分类器时在选择和融合之间切换：一个实验。IEEE Trans-Syst Man Cybern第B部分Cybern32（2）：146–156·数字对象标识代码：10.1109/3477.990871
[18] Kuncheva L，Bezdek JC，Duin RPW（2001）《多分类器融合的决策模板：实验比较》。图案识别34（2）：299–314·Zbl 0991.68064号 ·doi:10.1016/S0031-3203（99）00223-X
[19] Kuncheva L，Jain L（2000）用遗传算法设计分类器融合系统。IEEE Trans-Evol计算4（4）：327–336·doi:10.1009/4235.887233
[20] Kuncheva LI，Whitaker CJ（2003）量度分类器集合的多样性及其与集合准确性的关系。马赫学习51（2）：181–207·Zbl 1027.68113号 ·doi:10.1023/A:1022859003006
[21] Labbe B，Tian X，Rakotomonzy A（2010）Mlsp比赛，2010：第三名方法的描述。摘自：IEEE信号处理机器学习国际研讨会（MLSP），第116-117页
[22] Leiva J，Martens S（2010）Mlsp竞赛，2010：第一名方法描述。摘自：IEEE信号处理机器学习国际研讨会（MLSP），第112–113页
[23] Marginantu DD，Dietterich TG（1997），修剪自适应增强。在：ICML’97第14届机器学习国际会议记录。摩根考夫曼出版公司，第211-218页
[24] Osuna E、Freund R、Girosi F（1997）支持向量机：训练和应用。剑桥麻省理工学院技术报告
[25] Picton T、Bentin S、Berg P、Donchin E、Hillyard S、Johnson R、Miller G、Ritter W、Ruchkin D、Rugg M、Taylor M（2000）《使用人类事件相关电位研究认知的指南：记录标准和出版标准》。心理生理学37（02）：127–152·数字对象标识代码：10.1111/1469-8986.3720127
[26] Platt J（1999a）使用序列最小优化快速训练支持向量机。摘自：《内核方法的进展》，麻省理工学院出版社，第185–208页
[27] Platt J（1999b）支持向量机的概率输出和正则化似然方法的比较。在：大幅度分类器的进展。麻省理工学院出版社，第61-74页
[28] Rakotomamonjy A，Guigue V（2005）《Bci竞赛iii：数据集ii–Bci p300拼写器的svm集合》。IEEE Trans生物医学工程55（3）：1147–1154·doi:10.1109/TBME.2008.915728
[29] Ruta D，Gabris B（2005）多数投票分类器选择。信息融合6（1）：63–81·Zbl 0980.68914号 ·doi:10.1016/j.inffus.2004.04.008
[30] Schölkopf B，Smola AJ（2001）《内核学习：支持向量机、正则化、优化和超越》（自适应计算和机器学习）。麻省理工学院出版社，剑桥
[31] Segalowitz SJ、Bernstein DM、Lawson S（2001），功能良好的轻度颅脑损伤大学生P300事件相关电位下降。脑认知45（3）：342–356·doi:10.1006/brcg.2000.1263
[32] Sörnmo L，Laguna P（2005）《心脏和神经应用中的生物电信号处理》。1.阿姆斯特丹爱思唯尔
[33] Thiel C，Scherer S，Schwenker F（2007）模糊输入-模糊输出一对一支持向量机。In:基于知识的智能信息和工程系统2007，Springer，第156-165页
[34] Walter S、Scherer S、Schels M、Glodek M、Hrabal D、Schmidt M、Böck R、Limbrecht K、Traue HC、Schwenker F（2011），自然主义用户行为中的多模情感分类。在：第14届人机交互国际会议论文集（HCII'11），施普林格
[35] Xu Y，Yin K，Zhang J，Yao L（2008）应用于脑-计算机接口的n170检测的时空方法。摘自：IEEE系统、人与控制论国际会议，第886–891页
[36] 张JC，徐玉强，姚L（2007）利用升压神经网络检测P300，并将其应用于脑机接口。摘自：IEEE/ICM复杂医学工程国际会议，第1526–1530页
[37] Zhou ZH，Liu XY（2006）用解决类不平衡问题的方法训练成本敏感的神经网络。IEEE Trans Knowl Data Eng 18（1）：63–77·doi:10.1109/TKDE.2006.17
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。