科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2014年
9期
73-77
,共5页
庄玮%段锁林%徐亭婷%赵以钢
莊瑋%段鎖林%徐亭婷%趙以鋼
장위%단쇄림%서정정%조이강
脑机接口(BCI)%四类运动想象%特征提取%聚类思想%支持向量机(SVM)
腦機接口(BCI)%四類運動想象%特徵提取%聚類思想%支持嚮量機(SVM)
뇌궤접구(BCI)%사류운동상상%특정제취%취류사상%지지향량궤(SVM)
brain-computer interface (BCI)%four-class motor imagery%feature extraction%clustering idea%support sector machines (SVM)
针对传统支持向量机分类方法在脑电信号处理中存在分类正确率低的问题,将聚类思想与二叉树支持向量机(SVM)结合,构造多类SVM分类器.实验以“BCI Competition 2005”中的Dataset Ⅲa为例,先对C3/C4导采集的四类运动想象脑电信号应用小波变换进行去噪.再在分析小波包频带划分特点的基础上,利用小波包进行分解与重构,获取相应的能量特征.最后应用改进后的SVM分类方法对特征信号进行分类.结果表明该方法分类正确率,可以达到91.12％;并且有效地减少了分类器的个数,最终达到较好的识别效果.
針對傳統支持嚮量機分類方法在腦電信號處理中存在分類正確率低的問題,將聚類思想與二扠樹支持嚮量機(SVM)結閤,構造多類SVM分類器.實驗以“BCI Competition 2005”中的Dataset Ⅲa為例,先對C3/C4導採集的四類運動想象腦電信號應用小波變換進行去譟.再在分析小波包頻帶劃分特點的基礎上,利用小波包進行分解與重構,穫取相應的能量特徵.最後應用改進後的SVM分類方法對特徵信號進行分類.結果錶明該方法分類正確率,可以達到91.12％;併且有效地減少瞭分類器的箇數,最終達到較好的識彆效果.
침대전통지지향량궤분류방법재뇌전신호처리중존재분류정학솔저적문제,장취류사상여이차수지지향량궤(SVM)결합,구조다류SVM분류기.실험이“BCI Competition 2005”중적Dataset Ⅲa위례,선대C3/C4도채집적사류운동상상뇌전신호응용소파변환진행거조.재재분석소파포빈대화분특점적기출상,이용소파포진행분해여중구,획취상응적능량특정.최후응용개진후적SVM분류방법대특정신호진행분류.결과표명해방법분류정학솔,가이체도91.12％;병차유효지감소료분류기적개수,최종체도교호적식별효과.
