arXiv（brain-computer interface）·2026-09-10 23:21· 2026-09-10AI 评分24

基于随机森林的 EEG 信号分析：面向真实与想象运动活动分类

Electroencephalography Signal Analysis for Human Activities Classification: A Solution Based on Machine Learning and Motor Imagery

AI 导读

一项研究用随机森林算法对受试者执行真实运动和运动想象时的 EEG 信号进行分类，并区分相关身体部位。研究同时采用消费级与研究级 EEG 系统评估该算法，结果显示随机森林即使在消费级 EEG 上也能有效区分想象与真实活动，但 EEG 信号的个体间差异会对分类造成负面影响。

AI 要点

团队

第一作者 Tarciana C de Brito Guerra，末位作者 Vicente A de Sousa Jr，共 5 位作者。

主要结果

随机森林能区分想象与真实运动并判定相关身体部位，消费级 EEG 上也可行；但受试者间 EEG 信号差异会负面影响分类。

解决什么问题

EEG 信号特征与模式提取仍复杂，尝试用机器学习分类真实与想象运动，以支撑由认知过程控制的辅助工具。

方法

基于随机森林算法分类受试者真实与想象运动时的 EEG 信号，在消费级与研究级两套 EEG 系统上评估。

局限

从研究设计看，受试者间 EEG 信号变异性影响分类；摘要未给出样本量与对照设置。

AI 依据原文整理，未经人工核对。