改良式對角化主要成份分析法應用於腦電波辨識

Abstract

本篇文章提出一個有效的方法，對受測者在意圖吐舌頭與意圖舉起左手時的腦電波做辨識。腦電波辨識是否成功的關鍵，在於特徵擷取與分類兩個議題，有別於過去文獻將重點放在分類演算法的改良上，我們認為找出更具代表性和更精簡的特徵，同樣值得重視。若選取的特徵能夠讓類別之間的差異變大，我們就可以使用很簡單的方法，來取代原先複雜的分類演算法，也不會降低辨識的準確率。在此，我們採用在人臉影像辨識中，具有良好效果的對角化主成份分析法(DiaPCA)，來擷取腦電波特徵，並加以辨識。我們除了找出 DiaPCA 在腦電波辨識的應用中最佳的參數條件之外，並提出了「改良式對角化主成份分析法」，來提升其辨識率。研究結果顯示，我們所做的修改，將原始的 DiaPCA應用在腦電波辨識的準確率大幅提升了10.79%。