• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于多尺度特征提取与挤压激励模型的运动想象分类方法

贾子钰, 林友芳, 刘天航, 杨凯昕, 张鑫旺, 王晶

贾子钰, 林友芳, 刘天航, 杨凯昕, 张鑫旺, 王晶. 基于多尺度特征提取与挤压激励模型的运动想象分类方法[J]. 计算机研究与发展, 2020, 57(12): 2481-2489. DOI: 10.7544/issn1000-1239.2020.20200723
引用本文: 贾子钰, 林友芳, 刘天航, 杨凯昕, 张鑫旺, 王晶. 基于多尺度特征提取与挤压激励模型的运动想象分类方法[J]. 计算机研究与发展, 2020, 57(12): 2481-2489. DOI: 10.7544/issn1000-1239.2020.20200723
shu
Jia Ziyu, Lin Youfang, Liu Tianhang, Yang Kaixin, Zhang Xinwang, Wang Jing. Motor Imagery Classification Based on Multiscale Feature Extraction and Squeeze-Excitation Model[J]. Journal of Computer Research and Development, 2020, 57(12): 2481-2489. DOI: 10.7544/issn1000-1239.2020.20200723
Citation: Jia Ziyu, Lin Youfang, Liu Tianhang, Yang Kaixin, Zhang Xinwang, Wang Jing. Motor Imagery Classification Based on Multiscale Feature Extraction and Squeeze-Excitation Model[J]. Journal of Computer Research and Development, 2020, 57(12): 2481-2489. DOI: 10.7544/issn1000-1239.2020.20200723
shu
贾子钰, 林友芳, 刘天航, 杨凯昕, 张鑫旺, 王晶. 基于多尺度特征提取与挤压激励模型的运动想象分类方法[J]. 计算机研究与发展, 2020, 57(12): 2481-2489. CSTR: 32373.14.issn1000-1239.2020.20200723
引用本文: 贾子钰, 林友芳, 刘天航, 杨凯昕, 张鑫旺, 王晶. 基于多尺度特征提取与挤压激励模型的运动想象分类方法[J]. 计算机研究与发展, 2020, 57(12): 2481-2489. CSTR: 32373.14.issn1000-1239.2020.20200723
shu
Jia Ziyu, Lin Youfang, Liu Tianhang, Yang Kaixin, Zhang Xinwang, Wang Jing. Motor Imagery Classification Based on Multiscale Feature Extraction and Squeeze-Excitation Model[J]. Journal of Computer Research and Development, 2020, 57(12): 2481-2489. CSTR: 32373.14.issn1000-1239.2020.20200723
Citation: Jia Ziyu, Lin Youfang, Liu Tianhang, Yang Kaixin, Zhang Xinwang, Wang Jing. Motor Imagery Classification Based on Multiscale Feature Extraction and Squeeze-Excitation Model[J]. Journal of Computer Research and Development, 2020, 57(12): 2481-2489. CSTR: 32373.14.issn1000-1239.2020.20200723
shu

基于多尺度特征提取与挤压激励模型的运动想象分类方法

  • 1(北京交通大学计算机与信息技术学院 北京 100044)

  • 2(交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京 100044)

  • 3(民航旅客服务智能化应用技术重点实验室(中国民用航空局) 北京 100044) (ziyujia@bjtu.edu.cn)

基金项目: 中央高校基本科研业务费专项资金(2020YJS025)；国家自然科学基金项目(61603029)
详细信息

  • 中图分类号: TP391

Motor Imagery Classification Based on Multiscale Feature Extraction and Squeeze-Excitation Model

  • 1(School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044)

  • 2(Beijing Key Laboratory of Traffic Data Analysis and Mining (Beijing Jiaotong University), Beijing 100044)

  • 3(Key Laboratory of Intelligent Passenger Service of Civil Aviation (Civil Aviation Administration of China), Beijing 100044)

Funds: This work was supported by the Fundamental Research Funds for the Central Universities (2020YJS025) and the National Natural Science Foundation of China (61603029).

摘要

    摘要
  • 摘要: 基于运动想象的脑机接口技术能够建立大脑与外界之间的联系，逐渐成为人机混合增强智能的重要应用，并广泛应用于医学康复治疗等领域.由于脑电信号具有非线性、非平稳和低信噪比等特点，使得准确的分类运动想象脑电信号具有很大挑战.为此，提出一种新颖的多尺度特征提取与挤压激励模型对运动想象脑电信号进行高精度分类.首先，基于多尺度卷积模块自动提取原始脑电信号的时域、频域和时频域特征；然后，使用残差模块和挤压激励模块分别进行特征的融合和选择；最后，利用全连接网络层进行运动想象脑电信号的分类.实验在2个公开的脑机接口竞赛数据集上进行分析,结果表明该模型与现有先进模型相比，有效地提升了运动想象脑电信号的识别效果，在2个数据集上分别取得了78.0％和82.5％的平均准确度，该模型可以在脑电通道较少的情况下有效地分类脑电信号且无需手动设计特征，具有较高的应用价值.
    Abstract: Brain-computer Interface (BCI) technology based on motor imagery (MI) can establish communication between the human brain and outside world. It has been widely used in medical rehabilitation and other fields. Owing to the characteristics of the motor imagery EEG signals，such as non-linear, non-stationary, and low signal-noise ratio, it is a huge challenge to classify motor imagery EEG signals accurately. Hence, we propose a novel multiscale feature extraction and squeeze-excitation model which is applied for the classification of motor imagery EEG signals. Firstly, the proposed deep learning module, which is based on multiscale structure, automatically extracts time domain features, frequency domain features and time-frequency domain features. Then, the residual module and squeeze-excitation module are applied for feature fusion and selection, respectively. Finally, fully connected network layers are used to classify motor imagery EEG signals. The proposed model is evaluated on two public BCI competition datasets. The results show that the proposed model can effectively improve the recognition performance of motor imagery EEG signals compared with the existing several state-of-the-art models. The average accuracy on the two datasets is 78.0% and 82.5%, respectively. Moreover, the proposed model has higher application value because it classifies motor imagery EEG signals efficiently without manual feature extraction when spatial information is insufficient.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(104)

  • 期刊类型引用(29)

    1. 丁森阳，徐向华. 基于字段信息和覆盖率反馈的协议模糊测试方法. 软件工程. 2025(02): 56-60+66 . 百度学术
    2. 唐成华，蔡维嘉，杨萌萌，强保华. CBFuzzer：基于执行上下文导向及保护突破的程序缺陷模糊检测. 计算机研究与发展. 2025(03): 790-807 . 本站查看
    3. 陆力瑜，刘媛，洪超，曹扬，莫蓓蓓，匡晓云，杨祎巍. 基于影响性导向的模糊测试种子筛选方法. 网络安全技术与应用. 2024(02): 44-46 . 百度学术
    4. 侍言，羌卫中，邹德清，金海. 进化内核模糊测试研究综述. 网络与信息安全学报. 2024(01): 1-21 . 百度学术
    5. 王明义，甘水滔，王晓锋，刘渊. 基于种子智能生成的内核模糊测试模型. 信息安全学报. 2024(03): 124-137 . 百度学术
    6. 李志博，李清宝，兰明敬. 基于ART优化选择策略的遗传算法生成测试数据方法. 计算机科学. 2024(06): 95-103 . 百度学术
    7. 崔展齐，张家铭，郑丽伟，陈翔. 覆盖率制导的灰盒模糊测试研究综述. 计算机学报. 2024(07): 1665-1696 . 百度学术
    8. 王琴应，许嘉诚，李宇薇，潘祖烈，张玉清，张超，纪守领. 智能模糊测试综述:问题探索和方法分类. 计算机学报. 2024(09): 2059-2083 . 百度学术
    9. 许爱东，徐培明，尚进，孙钦东. 基于强化学习多算法组合模型的智能化模糊测试技术. 计算机工程与应用. 2024(20): 284-292 . 百度学术
    10. 张翔，王峰，李兴华，查娟娟，叶家敏. 基于包序列变异和反馈引导的电力通信协议模糊测试方法. 宁夏电力. 2024(05): 70-75 . 百度学术
    11. 刘羿希，何俊，吴波，刘丙童，李子玉. DevSecOps中软件安全性测试技术综述. 计算机应用. 2024(11): 3470-3478 . 百度学术
    12. 李泽源，尹中旭，宗国笑，桑海涯. 基于多目标支配分析和路径动态修剪优化的定向模糊测试技术. 计算机应用研究. 2024(11): 3455-3463 . 百度学术
    13. 纪守领，王琴应，陈安莹，赵彬彬，叶童，张旭鸿，吴敬征，李昀，尹建伟，武延军. 开源软件供应链安全研究综述. 软件学报. 2023(03): 1330-1364 . 百度学术
    14. 孙力立 ，张培华 ，武成岗 ，王喆 . JavaScript引擎JIT代码的类型混淆缺陷检测器. 高技术通讯. 2023(03): 251-260 . 百度学术
    15. 白英民，师智斌，信文阁，窦建民，张舒娟，王子建. 基于词嵌入与Shapelet时序特征的智能合约漏洞检测方法研究. 中北大学学报(自然科学版). 2023(04): 381-387 . 百度学术
    16. 樊志强，王洪宇，刘日昇. 命令行接口模糊测试漏洞挖掘研究及应用. 网络安全与数据治理. 2023(07): 61-66+78 . 百度学术
    17. 王鹃，张冲，龚家新，李俊娥. 基于机器学习的模糊测试研究综述. 信息网络安全. 2023(08): 1-16 . 百度学术
    18. 李航宇，方浩然，曲彦文，郭帆. ADFuzz：使用异常检测筛选低频路径高效模糊测试. 计算机研究与发展. 2023(08): 1912-1924 . 本站查看
    19. 刘博洋，刘潮，任艺琳，满芮，苗晗. 基于模糊测试工控协议漏洞挖掘技术研究. 科技风. 2023(24): 78-80 . 百度学术
    20. 白海波. 人工智能技术在模糊测试中的应用. 数字技术与应用. 2023(08): 16-18 . 百度学术
    21. 张颖君，周赓，程亮，孙晓山，张阳. 基于双重覆盖信息协同的协议模糊测试. 计算机系统应用. 2023(09): 32-42 . 百度学术
    22. 王宇，黄松，曲豫宾. 面向深度学习的模糊测试研究进展. 安庆师范大学学报(自然科学版). 2023(03): 66-73 . 百度学术
    23. 陈锦山，余斯航，祁琦，孙鑫，安珂欣，李俊娥. 针对VxWorks电力工控终端的模糊测试方法. 电力信息与通信技术. 2023(09): 15-22 . 百度学术
    24. 郑鹏，沙乐天. 基于混合分析的Java反序列化漏洞检测方法. 计算机工程. 2023(12): 136-145 . 百度学术
    25. 王雨绚，张之江，姚旭寅，李伟杰，杨融. 机载网络安保测试方法研究. 工业控制计算机. 2022(03): 95-97 . 百度学术
    26. 刘林彬，苗泉强，李俊娥. 基于模糊测试的GOOSE协议解析漏洞挖掘方法. 中国电力. 2022(04): 33-43 . 百度学术
    27. 程亮，王化磊，张阳，孙晓山. 基于聚类和新覆盖信息的模糊测试改进. 计算机系统应用. 2022(09): 192-200 . 百度学术
    28. 王朝晖，殷哲，刘娟. 软件供应链开源组件安全风险评估. 电子技术与软件工程. 2022(22): 80-84 . 百度学术
    29. 张琦，马莺姿. 模糊测试器AFL种子变异策略优化研究. 现代信息科技. 2021(24): 142-145 . 百度学术

    其他类型引用(75)

    • 资源附件(0)
计量
  • 文章访问数:  1165
  • HTML全文浏览量:  4
  • PDF下载量:  937
  • 被引次数: 104
出版历程
  • 发布日期:  2020-11-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计