电子测量技术
電子測量技術
전자측량기술
ELECTRONIC MEASUREMENT TECHNOLOGY
2014年
5期
9-12
,共4页
王江%张惠源%李芳%张兵文%李鹏
王江%張惠源%李芳%張兵文%李鵬
왕강%장혜원%리방%장병문%리붕
半监督学习%脑机接口%支持向量机
半鑑督學習%腦機接口%支持嚮量機
반감독학습%뇌궤접구%지지향량궤
semi-supervised learning%brain computer interface%support vector machine
为提高脑机接口系统分类的正确率,避免大量烦琐枯燥的学习训练过程,提高其适用性,提出一种改进的基于支持向量机的半监督学习算法.该算法针对在线采集的脑电数据,根据支持向量机判别函数处理未标签样本,调整分类器训练集,同时动态调整支持向量机中惩罚因子C的值,提高了分类器性能.实例分析表明该算法比传统半监督学习算法更适用于脑电信号分类.
為提高腦機接口繫統分類的正確率,避免大量煩瑣枯燥的學習訓練過程,提高其適用性,提齣一種改進的基于支持嚮量機的半鑑督學習算法.該算法針對在線採集的腦電數據,根據支持嚮量機判彆函數處理未標籤樣本,調整分類器訓練集,同時動態調整支持嚮量機中懲罰因子C的值,提高瞭分類器性能.實例分析錶明該算法比傳統半鑑督學習算法更適用于腦電信號分類.
위제고뇌궤접구계통분류적정학솔,피면대량번쇄고조적학습훈련과정,제고기괄용성,제출일충개진적기우지지향량궤적반감독학습산법.해산법침대재선채집적뇌전수거,근거지지향량궤판별함수처리미표첨양본,조정분류기훈련집,동시동태조정지지향량궤중징벌인자C적치,제고료분류기성능.실례분석표명해산법비전통반감독학습산법경괄용우뇌전신호분류.
