REFS：标签不完整下的鲁棒EEG特征选择方法
热点事件历史事件
REFS：标签不完整下的鲁棒EEG特征选择方法
1 篇报道1 个报道来源14 天前更新
先了解这件事
AI 综述
Xu X 等提出 REFS，一种面向标签不完整多维情绪识别的鲁棒 EEG 特征选择方法：用自适应正交隐语义索引重建多维情绪标签空间，以降低缺失值和异常值影响，并结合图流形学习正则化与全局特征冗余最小化来选取特征子集。 研究者在 DREAMER、DEAP 和高密度 EEG 数据库三个多维情绪数据集上，按不同标签缺失比例进行验证。作者称，在多种缺失比例下，REFS 的鲁棒性均优于十三种最先进的特征选择方法，可用于实际情感脑机接口场景。
AI 根据报道生成 · 18 小时前更新
最新进展10月26日 00:00
REFS 方法：面向标签不完整的多维情绪识别鲁棒EEG特征选择报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- Europe PMC · 脑机接口文献精选REFS 方法：面向标签不完整的多维情绪识别鲁棒EEG特征选择
研究者提出 REFS，一种面向标签不完整多维情绪识别的鲁棒 EEG 特征选择方法，用自适应正交隐语义索引重建多维情绪标签空间，降低缺失值和异常值影响，并结合图流形学习正则化和全局特征冗余最小化选择特征子集。方法在 DREAMER、DEAP 和高密度 EEG 数据库上、不同标签缺失比例下验证，在多种缺失比例下的鲁棒性均优于十三种最先进的特征选择方法，可用于实际情感脑机接口（a-BCI）场景。