본 논문에서는 연속적인 뇌파 분류를 위해 비음수 텐서 분해를 이용한 특징 추출과 비터비 알고리즘을 이용한 연속적인 데이타의 클래스 분류를 결합한 새로운 알고리즘을 제시한다. 비음수 텐서 분해는 이미 스펙트럼 데이타에 대해 뇌파의 주요한 특징을 잘 추출한다고 알려진 비음수 행렬 분해의 확장으로써 행렬이라는 제한된 틀에서 벗어나 데이타가 가지는 다양한 차원으로의 확대가 가능하다. 뇌-컴퓨터 인터페이스 컴피티션을 통해 공개된 데이터를 이용한 실험을 통해 제안된 방법의 유용함을 증명하도록 하겠다.
In this paper we present a method for continuous EEG classification, where we employ nonnegative tensor factorization (NTF) to determine discriminative spectral features and use the Viterbi algorithm to continuously classily multiple mental tasks. This is an extension of our previous work on the use of nonnegative matrix factorization (NMF) for EEG classification. Numerical experiments with two data sets in BCI competition, confirm the useful behavior of the method for continuous EEG classification.
