计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2007年
2期
337-339,348
,共4页
赵明渊%周明天%许雄基%张渡
趙明淵%週明天%許雄基%張渡
조명연%주명천%허웅기%장도
脑-机接口%连续小波变换%支持向量机%统计学习理论%模型参数
腦-機接口%連續小波變換%支持嚮量機%統計學習理論%模型參數
뇌-궤접구%련속소파변환%지지향량궤%통계학습이론%모형삼수
脑-机接口(BCI)是连接大脑和计算机及外部设备的通讯系统,通过连续小波变换(CWT)对采集的脑电信号进行分解,构造由多个尺度对应的方差构成的多维向量,应用支持向量机(SVM)进行分类识别,取得了良好的效果.基于统计学习理论的结构化风险最小化原则,研究了高斯核支持向量机误差惩罚参数C和高斯核参数σ对支持向量机性能的影响,使用仿真实验验证了传统的经验风险最小化原则不能保证良好的推广能力,提出了综合调整参数σ和参数C的方法以优化支持向量机的性能.
腦-機接口(BCI)是連接大腦和計算機及外部設備的通訊繫統,通過連續小波變換(CWT)對採集的腦電信號進行分解,構造由多箇呎度對應的方差構成的多維嚮量,應用支持嚮量機(SVM)進行分類識彆,取得瞭良好的效果.基于統計學習理論的結構化風險最小化原則,研究瞭高斯覈支持嚮量機誤差懲罰參數C和高斯覈參數σ對支持嚮量機性能的影響,使用倣真實驗驗證瞭傳統的經驗風險最小化原則不能保證良好的推廣能力,提齣瞭綜閤調整參數σ和參數C的方法以優化支持嚮量機的性能.
뇌-궤접구(BCI)시련접대뇌화계산궤급외부설비적통신계통,통과련속소파변환(CWT)대채집적뇌전신호진행분해,구조유다개척도대응적방차구성적다유향량,응용지지향량궤(SVM)진행분류식별,취득료량호적효과.기우통계학습이론적결구화풍험최소화원칙,연구료고사핵지지향량궤오차징벌삼수C화고사핵삼수σ대지지향량궤성능적영향,사용방진실험험증료전통적경험풍험최소화원칙불능보증량호적추엄능력,제출료종합조정삼수σ화삼수C적방법이우화지지향량궤적성능.
