天津大学学报
天津大學學報
천진대학학보
JOURNAL OF TIANJIN UNIVERSITY SCIENCE AND TECHNOLOGY
2011年
9期
829-834
,共6页
綦宏志%孙长城%安兴伟%许敏鹏%马岚%明东%万柏坤
綦宏誌%孫長城%安興偉%許敏鵬%馬嵐%明東%萬柏坤
기굉지%손장성%안흥위%허민붕%마람%명동%만백곤
支持向量机特征优化方法%Farwell虚拟字符矩阵%脑机接口
支持嚮量機特徵優化方法%Farwell虛擬字符矩陣%腦機接口
지지향량궤특정우화방법%Farwell허의자부구진%뇌궤접구
传统Farwell虚拟字符矩阵BCI中仅采用少数中线导联上的EEG特征进行识别,由于识别信息量较为有限,导致识别效率不高.为此,引入了一种支持向量机特征优化方法,采用扰动支持向量机代价函数的方法评价特征对于分类的贡献,进而优选出适于识别的特征组合.对6位受试者每人各采集80个字符的Farwell虚拟矩阵刺激任务脑电数据,经支持向量特征优化方法进行识别,获得良好的识别效果(识别错误率0.9％).研究表明,支持向量机特征优化方法具有较好的特征选择效果,适用于高特征维度的脑机交互诱发脑电信号降维处理.
傳統Farwell虛擬字符矩陣BCI中僅採用少數中線導聯上的EEG特徵進行識彆,由于識彆信息量較為有限,導緻識彆效率不高.為此,引入瞭一種支持嚮量機特徵優化方法,採用擾動支持嚮量機代價函數的方法評價特徵對于分類的貢獻,進而優選齣適于識彆的特徵組閤.對6位受試者每人各採集80箇字符的Farwell虛擬矩陣刺激任務腦電數據,經支持嚮量特徵優化方法進行識彆,穫得良好的識彆效果(識彆錯誤率0.9％).研究錶明,支持嚮量機特徵優化方法具有較好的特徵選擇效果,適用于高特徵維度的腦機交互誘髮腦電信號降維處理.
전통Farwell허의자부구진BCI중부채용소수중선도련상적EEG특정진행식별,유우식별신식량교위유한,도치식별효솔불고.위차,인입료일충지지향량궤특정우화방법,채용우동지지향량궤대개함수적방법평개특정대우분류적공헌,진이우선출괄우식별적특정조합.대6위수시자매인각채집80개자부적Farwell허의구진자격임무뇌전수거,경지지향량특정우화방법진행식별,획득량호적식별효과(식별착오솔0.9％).연구표명,지지향량궤특정우화방법구유교호적특정선택효과,괄용우고특정유도적뇌궤교호유발뇌전신호강유처리.
