摘要
本发明涉及脑电信号分类技术领域,公开微弱非对称性视觉刺激的变异数据不确定性分析模型的训练方法及应用。方法包括获取脑电信号数据集,并划分为训练集、测试集和验证集;构建并训练贝叶斯网络模型,获得特征提取模块、变分前验分布和变分后验分布;应用特征提取模块获得训练特征及测试特征数据,使用贝叶斯推断计算训练特征数据对应的各个类别的解析后验分布,计算测试特征数据对应的各个类别的解析置信度及其解析方差,抽样变分后验分布中的不确定性参数,获得多个变分后验判别矩阵,计算测试特征数据对应的多个变分置信度,求解变分平均置信度;基于变分平均置信度、解析置信度以及其对应的解析方差,依据预设规则判断脑电信号的变异性。
技术关键词
贝叶斯网络模型
测试特征
特征提取模块
不确定性参数
训练特征
视觉
元素
代表
脑电信号分类
偏差
信号处理系统
概率密度函数
线性
训练集数据
矩阵
解码算法
系统为您推荐了相关专利信息
模糊推理模型
故障诊断方法
序列
异常状态
模糊规则库
多尺度神经网络
脑肿瘤分割
多尺度特征
融合特征
数据采集模块
动态预测方法
特色
动态预测系统
情感分析技术
序列