Linear discriminant analysis as EEG features reduction technique for brain-computer interfaces

• Autorzy: Rak R. J. , Majkowski A. , Kołodziej M.

Warianty tytułu

PL

Liniowa analiza dyskryminacyjna jako narzędzie redukcji cech sygnału EEG

• Języki publikacji: EN

Abstrakty

EN

BCI systems analyze the EEG signal and translate patient intentions into simple commands. Signal processing methods are very important in such systems. Signal processing covers: preprocessing, feature extraction, feature selection and classification. In the article authors present the results of implementing linear discriminant analysis as a feature reduction technique for BCI systems.

PL

Systemy BCI analizują sygnał EEG i tłumaczą intencje użytkownika na proste polecenia. Ważnym elementem systemów BCI jest przetwarzanie sygnału. Obejmuje ono: przetwarzanie wstępne, ekstrakcję cech, selekcję cech i klasyfikację. W artykule autorzy prezentują wyniki badań z zastosowaniem liniowej analizy dyskryminacyjnej jako narzędzia do redukcji cech.

Słowa kluczowe

EN

linear discriminant analysis; LDA; feature reduction; feature selection; brain-computer interface; BCI; EEG

PL

Liniowa Analiza Dyskryminacyjna; LDA; redukcja cech; selekcja cech; interfejs mózg-komputer; EEG

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 3a
• Strony: 28--30
• Opis fizyczny: Bibliogr. 7 poz., schem., tab., wykr.

Twórcy

autor

Rak R. J.

autor

Majkowski A.

autor

Kołodziej M.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno- Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa,

Bibliografia

• [1] Vidal, J.J., Direct brain-computer communication, Ann. Rev. Biophys Bioeng, 2, 1973.
• [2] Wolpaw J.R., Birbaumer N., Heetderks W. J., Mcfarland D.J,Hunter Peckham P., Schalk G, Donchin E., Quatrano L.A., Robinson C.J, Vaughan T.M, Brain–Computer Interface Technology: A Review ofthe First International Meeting, IEEE Transactions on Rehabilitation Engineering, vol. 8, No. 2, June 2000.
• [3] Kołodziej M., Majkowski A., Rak R. Matlab FE_Toolbox – an universal utility for feature extraction of EEG signals for BCI realization, Przegląd Elektrotechniczny 2010-1.
• [4] Kantardzic M., “ Data Mining: Concepts, Models, Methods, and Algorithms ”, IEEE Press & John Wiley, November 2002.
• [5] Gareis, Ivan E.; Acevedo, Ruben C.; Atum, Yanina V.; Gentiletti, Gerardo G.; Banuelos, Veronica Medina; Rufiner, Hugo L., Determination of an optimal training strategy for a BCI classification task with LDA, Neural Engineering (NER), 2011 , Page(s): 286 - 289
• [6] Bhattacharyya, S.; Khasnobish, A.; Chatterjee, S.; Konar, A.; Tibarewala, D.N., Performance analysis of LDA, QDA and KNN algorithms in left-right limb movement classification from EEG data. Systems in Medicine and Biology (ICSMB), 2010 , Page(s): 126 - 131
• [7] Sadeghian, E.B.; Moradi, M.H., Continuous Detection of Motor Imagery in a Four-Class Asynchronous BCI, Engineering in Medicine and Biology Society, 2007. EMBS 2007. 2007, Page(s): 3241 – 3244