Detecting Limb Movements by Reading Minds
Master thesis
Permanent lenke
http://hdl.handle.net/11250/2368418Utgivelsesdato
2011Metadata
Vis full innførselSamlinger
Sammendrag
Ved hjelp av EEG kan elektrisk aktivitet på hodebunnen til mennesker brukes til å kontrollere en datamaskin. I senere år har maskinlæringsteknikker gjort slike systemer nøyaktigere og istand til å tilpasse seg individet. I oppgaven implementeres "Sub-Band Common Spatial Patterns"-metoden for EEG klassifisering. Denne ble så forsøkt utvidet på forskjellige måter, med den hensikt å øke nøyaktigheten. Det ble oppdaget at nøyaktighet kan økes ved å:
1) Regularisere estimatet av kovariansematrisen for Common Spatial Patterns algoritmen.2) Å legge til utviklingen av signalstyrken over tid som innputt til klassifisatoren.3) Å bruke L1-regularisert Logistic Regression som klassifisator, og for å eliminere features til klassifisatoren.4) Å bruke boosting på den endelige klassifisatoren.
Til sammen ga disse endringene en økning fra 86.4% til 91.7% nøyaktighet på det offentlig tilgjengelige datasettet BCI Competition III (IVa).