基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

异质性环境规制能否提升生态福利绩效?——基于产业结构高级化的门槛效应研究

生态是最公平的福利，环境是最基本的民生，生态福利是最普惠的民生福祉。文章基于产业结构高级化视角，采用Super-SBM方法测算了中国各省市的生态福利绩效，并运用门槛模型研究了异质性环境规制对生态福利绩效的非线性影响。研究表明：(1)全国及东中西三大经济区的生态福利绩效均呈波动上升趋势。(2)当产业结构高级化水平发展到一定程度时，命令控制型环境规制能够提升生态福利绩效，市场激励型环境规制对生态福利绩效的影响呈“U”型，自愿参与型环境规制对生态福利绩效的影响呈“N”型。(3)当产业结构高级化水平高于门槛值时，三种环境规制均正向作用于东部地区各省市的生态福利绩效，命令控制型环境规制有助于提升西部地区各省区市的生态福利绩效。