基于稀疏组lasso的脑机接口通道和特征选择研究.pdfVIP

学兔兔 第36卷 第8期 仪 器 仪 表 学 报 Vo1．36No．8 2015年 8月 ChineseJournalofScientificInstrument Aug．2015 基于稀疏组 lasso的脑机接 口通道和特征选择研究 王金 甲，薛 芳，李 慧 (燕山大学信息科学与工程学院 秦皇岛 066004) 摘 要：脑电信号 (EEG)特征提取和分类是脑机接 口(BCI)系统的核心问题之一。由于BCI系统中EEG信号多通道采样和特 征向量的高维性，有效的特征选择算法已经成为研究中不可分割的一部分。针对 EEG特征选择问题采用一种新方法 ：基于封 装式稀疏组 lasso的EEG融合特征的同时通道和特征选择方法。实验 中将该方法与现有的通道选择和特征选择方法进行 比 较，结果表明，该方法更适用于高维融合特征的最优特征子集选择问题，且该算法稳定、时间成本低。此外 ，在保证错误率相当 或较低的情况下 ，该方法能够同时实现通道和特征选择。国际BCI竞赛 IV的两类运动想象信号的测试错误率为 15．28％。 关键词：脑机接 口；特征融合 ；通道选择；特征选择 ；基于稀疏组 lasso的logistic回归；块坐标下降 中图分类号：TH77 R318 文献标识码 ：A 国家标准学科分类代码 ：31O．61520．2040 Researchon channelandfeatureselectionforbrain-computerinterface basedon sparsegroup lasso WangJinjia，XueFang，LiHui (SchoolofInformationScienceandEngineering，YanshanUniversity，Qinhuangdao066004，China) Abstract：Abstract：FeatureextractionandclassificationofEEGsignalsisoneofthecoreissuesofbrain—computerinterface(BCI)．Be— causeofthemulti-channelsamplingofEEG signalandthehighdimensionofthefeaturevectorinBCIsystem，inthepasttenyears，ef- feetivefeatureselectionalgorithm hasbecomeanintegralpartofthestudy．Inthispaper，aimingatthefeatureselectionissueofEEG signals，anovelwrappedsparsegrouplassomethodispresentedtoachievesimultaneouschannelandfeatureselectionofthefusedfea— turesofEEG singals．Inexperiment，theproposedmethodwascomparedwithexistingchannelselectionandfeatureselectionmethods， theresultsshowthatthenovelmethodismoresuitablefortheoptimum featuresubsetselectionofhigh—dimensionfusedfeature，andthe methodisstableanditstimecostislow．Besides，undertheconditionofensuringlow orconsiderableerrorrate，theproposedalgorithm cansimultaneouslyachievechannelandfeatureselecti