Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
The correct recognition of Motor Imagery task in Brain-Computer Interface (BCI) systems has been an important issue in recent studies. In this study, we propose a classification framework based on ensemble methods to handle spectral and spatial EEG signal characteristics. A mixture of two ensemble classifiers has been used for combining multiple information sources. The performance of the proposed classifier has been evaluated on a two-class problem (right and left hand) from the BCI Competition IV dataset 2a. The used features for the training data are the selected features by Mutual information-based Best Individual Feature from the output of the Filter Bank Common Spatial Pattern. The results show that proposed method can reach an accuracy of 90.27% with just 7 features, while other methods have lower accuracy and a higher number of features.