腦機接口半監督學習技術及應用
譚學敏
- 出版商: 化學工業
- 出版日期: 2026-09-01
- 售價: $528
- 語言: 簡體中文
- 頁數: 149
- ISBN: 7122487644
- ISBN-13: 9787122487643
-
相關分類:
Machine Learning
尚未上市，歡迎預購
相關主題
商品描述
《腦機接口半監督學習技術及應用》聚焦運動想象BCI的標註數據稀缺與信號時變難題，開創性構建半監督學習技術體系。全書以“降低受試者負荷提升模型自適應”為軸心，提出五大核心解決方案：噪聲抑制自訓練框架消除EEG幹擾（第3章）、智能優化參數模型替代經驗調參（第4章）、魯棒協同訓練算法適應真實場景（第5章）、主動學習融合策略降低標註需求（第6章），增量式在線系統應對信號漂移（第7章）。通過特征重新提取、交互帝國競爭優化、衍生FLDA分類器等技術創新，有效解決半監督學習在運動想象EEG分類中的關鍵瓶頸，顯著提升信號分類率。本書以臨床可轉化性為導向，為腦機接口從實驗室邁向病床提供理論基石與技術藍圖。
本書可作為高等院校生物工程、計算機科學等相關專業本科高年級學生和研究生的課程教材，也可供機器學習研究與應用的科研工作者閱讀參考。
目錄大綱
第1章緒論
1.1BCI技術的研究和挑戰 002
1.1.1BCI概念 002
1.1.2BCI系統組成與分類 002
1.1.3BCI研究現狀 004
1.1.4運動想象BCI 006
1.1.5BCI存在問題 006
1.2機器學習 008
1.2.1機器學習概述 008
1.2.2數據預處理 009
1.2.3機器學習中的分類任務 011
1.2.4多類別分類 012
1.3半監督學習研究階段 013
1.3.1半監督學習研究現狀 013
1.3.2半監督學習的挑戰 014
1.3.3BCI結合半監督學習 015
1.4本章小結 016
第2章經典半監督學習綜述
2.1半監督聚類 019
2.2半監督回歸 021
2.3半監督分類 022
2.3.1生成式模型 022
2.3.2轉導式支持向量機 023
2.3.3自訓練與協同訓練 024
2.3.4基於圖正則化框架的半監督算法 026
2.4半監督降維 027
2.5半監督與其他方法結合 028
2.5.1半監督與深度學習結合 028
2.5.2半監督與集成學習結合 029
2.5.3半監督與遷移學習結合 030
2.5.4半監督與主動學習結合 031
2.6半監督應用 032
2.7本章小結 035
第3章基於自訓練的運動想象BCI研究
3.1EEG預處理 037
3.1.1空間濾波 037
3.1.2頻率濾波 038
3.2EEG特征提取 039
3.2.1時頻分析 039
3.2.2自回歸模型 039
3.2.3共空間模式 040
3.2.4濾波帶寬共空間模式 042
3.3參數選擇的半監督算法 043
3.3.1特征重新提取 044
3.3.2支持向量機 045
3.3.3置信度評估準則 046
3.3.4融合參數選擇的半監督算法流程 047
3.3.5評價標準 049
3.4實驗與結果分析 050
3.4.1實驗數據描述 050
3.4.2實驗與分析 051
3.5本章小結 057
第4章半監督結合交互帝國競爭運動想象BCI研究
4.1交互帝國競爭算法優化參數模型 059
4.1.1帝國競爭算法 059
4.1.2交互帝國競爭模型 060
4.2半監督學習結合交互帝國競爭算法流程 061
4.3實驗與結果分析 064
4.4本章小結 069
第5章基於協同訓練的運動想象BCI研究
5.1協同訓練的挑戰 071
5.2衍生的FLDA分類器 072
5.3衍生FLDA半監督算法 075
5.3.1衍生FLDA半監督算法流程 075
5.3.2特征魯棒性的評價 076
5.4實驗與結果分析 077
5.4.1數據描述 077
5.4.2結果和分析 079
5.5本章小結 086
第6章融合主動學習的半監督運動想象BCI研究
6.1主動學習的定義 088
6.2融合主動學習的半監督學習 090
6.3樣例選擇策略 091
6.3.1最近平均聚類距離 091
6.3.2SVM主動學習 092
6.3.3信息熵 092
6.4主動學習的多分類算法 093
6.4.1主動學習算法流程 093
6.4.2數據描述 095
6.4.3結果與分析 096
6.5融合主動學習的半監督多分類算法 102
6.5.1融合主動學習的半監督算法流程 102
6.5.2結果與分析 104
6.6本章小結 107
第7章基於增量式順序更新半監督運動想象BCI算法研究
7.1增量式半監督概述 109
7.2分段選擇共空間模式 110
7.3基於SCSP的增量式順序更新半監督算法 111
7.3.1Batchmode增量式順序更新半監督 111
7.3.2Batchmode增量式順序更新半監督算法應用 112
7.3.3Batchmode增量式順序更新半監督算法流程 112
7.4實驗與結果分析 115
7.4.1實驗數據描述 115
7.4.2實驗與分析 115
7.5本章小結 121
第8章BCI的現實應用
8.1各類BCI的現實應用 125
8.1.1視覺誘發電位BCI應用 125
8.1.2慢皮層電位BCI應用 127
8.1.3事件相關電位P300 BCI應用 129
8.1.4事件相關同步與去同步的應用 131
8.1.5混合BCI應用 134
8.2半監督學習在BCI中的應用 137
8.3BCI發展趨勢 138
8.4本章小結 140
參考文獻
附錄全書內容回顧與綜述
