基于改進遷移學習的運動想象分類識別算法

摘要： 利用遷移學習算法提高分類識別的準確率是運動想象腦機接口應用的熱點研究問題，其中樣本遷移和特征遷移的傳統(tǒng)模型算法在樣本量較少或源域數(shù)據(jù)和目標域數(shù)據(jù)差異較大情況時，各自的遷移效果并不理想?；跉W式對齊(EA)和改進聯(lián)合類質心匹配和局部流形自學習(CMMS)遷移學習的運動想象分類算法，將樣本遷移和特征遷移的優(yōu)勢有機結合，在考慮樣本本身的同時，進一步提高了分類準確率。首先，對樣本進行源...