18、不同滤波器组方法在脑电信号分类中的应用研究

不同滤波器组方法在脑电信号分类中的应用研究

1. 混合装袋集成模型与差分进化算法

1.1 混合装袋集成模型

混合装袋集成模型使用了 5 种不同的分类器，旨在最小化组合分类误差并提供更高的分类准确率。具体分类器及参数如下表所示：
| Bag # | 分类器 | 参数 |
| — | — | — |
| Bag 1 | Tree | – |
| Bag 2 | KNN (cosine) | K = 13 |
| Bag 3 | Discriminant | Linear |
| Bag 4 | Naïve Bayes | _ |
| Bag 5 | SVM | Linear |

1.2 差分进化算法

差分进化（DE）是一种无导数优化技术。在该算法中，F 是一个控制差分变异放大的正常数，取值为 2。为引入参数向量的更多多样性，使用了合适的交叉值（Cr = 0.8），范围在 [0, 1] 内。为生成试验向量，会生成一个随机值。若随机值小于或等于交叉值，则从变异向量中取值，否则从参数向量中取值。

这里使用了三种 DE 变体：
- best—1—exp.
- best—2—exp.
- best—2—bin.

在表达式 a—b—c 中，a 表示要扰动的向量，b 是考虑用于扰动 a 的差分向量的数量，c 表示所使用的交叉技术类型（exp：指数型，bin：二项式型）。经过实验，基于变体 i. 的混合装袋在大多数实验中给出了最佳分类准确率，因此在本研究中用于最终结果计算。

以下是差分进化算法的简单伪代码表示：