基于数据对齐方法的错误相关脑电识别

摘要: 缺乏训练本导致的脑电识别正确率不足是阻碍错误相关电位（ErrP）脑机接口实用化的重要难题｡为提升有限训练样本条件下的ErrP识别效果,本研究提出一种基于数据对齐策略的迁移判别子空间分析（TDSA）算法｡该算法提取源受试者与目标受试者脑电样本中体现类间差异信息的共有判别子空间,通过子空间中的时域对齐策略,成功强化了受试者之间的共有特征｡研究使用2个公开数据集,对比6种不同数据对齐迁移学习策略｡结果表明,小样本条件下TDSA算法在数据集1中的平衡正确率相较次优的基于欧式对齐方法提高6.07%,相较不使用迁移学习方法提高7.88%｡TDSA算法仅需60～100个目标受试者数据样本训练,即可接近传统分类策略使用210～350个样本进行训练的分类水平,为实现ErrP数据对齐提供了新思路｡