Resumen

Objetivo. La clasificación de señales EEG de comprensión de la intención de acción es indispensable para investigar las interacciones entre humanos y ordenadores y los mecanismos de comprensión de la intención. Numerosas investigaciones sobre tareas de clasificación extraen características de clasificación utilizando métricas de la teoría de grafos; sin embargo, los resultados de la clasificación no suelen ser buenos. Método. Para llevar a cabo eficazmente la tarea de clasificación de señales EEG de comprensión de la intención de acción, propusimos un nuevo método de extracción de características mediante la mejora de los patrones espaciales discriminativos. Resultados. La banda de frecuencia completa y la banda de fusión lograron precisiones de clasificación satisfactorias. En comparación con los métodos de otros autores para la clasificación de señales EEG de comprensión de la intención de acción, el nuevo método tiene un rendimiento más satisfactorio en algunos aspectos. Conclusiones. El nuevo método de extracción de características no sólo evita eficazmente los valores complejos a la hora de resolver el problema de los valores propios generalizados, sino que también consigue perfectamente unas precisiones de clasificación apreciables. La fusión de las características de clasificación de diferentes bandas de frecuencia es una estrategia útil para la tarea de clasificación.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:clasificación de señales eeg, intención de acción, métodos de extracción de características, tarea de clasificación, banda de frecuencia completa, precisión de clasificación satisfactoria, banda de frecuencia diferente, tarea de acción, problema de valores propios generalizados, mecanismo de comprensión de la intención
• Keywords:eeg signal classification, action intention, features extraction methods, classification task, whole frequency band, satisfactory classification accuracy, different frequency band, task of action, generalized eigenvalue problem, intention understanding mechanism