基于SVM的脑机接口多类算法分类
资料介绍:
基于SVM的脑机接口多类算法分类(中文5000字,英文PDF)
摘要
模式分类算法是脑机接口系统应用中的关键一步,本文提出了用分层支持向量机去解决基于EEG的四分类运动想象分类任务,用小波包变换对原EEG信号进行滤波,带有有效频次的EEG信号将会被分组然后重组。然后用一对多的共同空间模式和一对一的共同空间模式分别从重组EEG向量中提取出EEG的特征向量,再用两层分层支持向量机算法对EEG特征向量进行分类,其中一对一共同空间模式被用在第一层,一对多共同空间模式被用在第二层。BCI Competition Ⅳ-Ⅱ-a这个公共数据集被用来验证这个方案是否有效,5倍交叉验证的结果证明这种分类的平均准确率在第一二层分别为67.5±17.7%、60.3±14.7%,总体来说,这一分类的平均准确率为64.4±16.7%。结果表明这种方案对四类运动想象分类是有效的。
关键词:脑电图,运动想象,共同空间模式,分层支持向量机 [资料来源:www.doc163.com]
[来源:http://Doc163.com]