一种基于非高斯中性向量特征选择的脑电波(eeg)信号分类方法

本发明实施例公开了一种基于非高斯中性向量特征选择的脑电波(EEG)信号分类方法。该方法包括如下步骤：通道选择步骤：将输入的每个通道变换并归一化后，取能量最大的M个通道形成一个超向量；非线性去相关步骤：由于每个通道形成的向量是中性向量，可以利用其中性性质进行非线性去相关生成向量u；特征选择步骤：按差分熵或方差从大到小排序，对每个通道分别取Nm个为最终特征；贝塔分类器设计步骤：用贝塔混合模型设计分类器。利用本发明实施例，能够提高脑电波信号分类的准确率，具有很大的实用价值。