基于GAF和混合模型的運(yùn)動(dòng)想象分類研究

摘要： 針對運(yùn)動(dòng)想象腦-機(jī)接口的分類識(shí)別問題，提出了一種結(jié)合格拉姆角場理論、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）和長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory, LSTM）的新模型。首先，分別使用格拉姆角場中的格拉姆角和場與格拉姆角差場算法將一維運(yùn)動(dòng)想象腦電信號(hào)表示為二維圖像；然后，設(shè)計(jì)針對性的淺層CNN和LSTM相結(jié)合的... （共9頁）