摘要：传统的神经网络对于简单、具有明确分类界限的数据,可以有较好的计算结果,但是在输入属性集合较大、分类界限不明确的情况下,会出现收敛效率和分类准确率较低,甚至会出现不收敛状态。本文利用Rough集的理论,对输入数据不停地进行样本检测,对输入特征不停地进行筛检,以此达到删减输入特征数的目的,从而提高对输入数据的拟合。通过对采集到的脑电信号进行验证,达到删减特征数和提高分类准确度的目的。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社