仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2013年
4期
768-773
,共6页
辅助训练%半监督学习%半监督线性支持向量机%脑机接口
輔助訓練%半鑑督學習%半鑑督線性支持嚮量機%腦機接口
보조훈련%반감독학습%반감독선성지지향량궤%뇌궤접구
研究了基于辅助训练思想的半监督线性支持向量机方法在脑机接口EEG分类中的应用.首先采用高斯混合模型、Parzen窗、KN-近邻估计三种方法估计概率密度,得到未标记样本的密度信息,选择部分概率较高样本,使用比较置零法避免错分.其次采用线性支持向量机作为判别分类器得到已选样本的边界信息,通过距离判别条件选出高置信度的样本,使用方向判别条件避免错分.结合密度和边界信息完成高置信度未标记样本选择的方法称为辅助训练半监督支持向量机.本文的实验数据包括g50c、BCI Ⅰ、BCIⅡ_Ⅳ、USPS,分类正确率分别为91.6％,97％,84％,90.4％,运算速度最慢的仅需约3.5s.在分类正确率和运算效率两个方面,均优于自训练半监督SVM、监督SVM两种方法.
研究瞭基于輔助訓練思想的半鑑督線性支持嚮量機方法在腦機接口EEG分類中的應用.首先採用高斯混閤模型、Parzen窗、KN-近鄰估計三種方法估計概率密度,得到未標記樣本的密度信息,選擇部分概率較高樣本,使用比較置零法避免錯分.其次採用線性支持嚮量機作為判彆分類器得到已選樣本的邊界信息,通過距離判彆條件選齣高置信度的樣本,使用方嚮判彆條件避免錯分.結閤密度和邊界信息完成高置信度未標記樣本選擇的方法稱為輔助訓練半鑑督支持嚮量機.本文的實驗數據包括g50c、BCI Ⅰ、BCIⅡ_Ⅳ、USPS,分類正確率分彆為91.6％,97％,84％,90.4％,運算速度最慢的僅需約3.5s.在分類正確率和運算效率兩箇方麵,均優于自訓練半鑑督SVM、鑑督SVM兩種方法.
연구료기우보조훈련사상적반감독선성지지향량궤방법재뇌궤접구EEG분류중적응용.수선채용고사혼합모형、Parzen창、KN-근린고계삼충방법고계개솔밀도,득도미표기양본적밀도신식,선택부분개솔교고양본,사용비교치령법피면착분.기차채용선성지지향량궤작위판별분류기득도이선양본적변계신식,통과거리판별조건선출고치신도적양본,사용방향판별조건피면착분.결합밀도화변계신식완성고치신도미표기양본선택적방법칭위보조훈련반감독지지향량궤.본문적실험수거포괄g50c、BCI Ⅰ、BCIⅡ_Ⅳ、USPS,분류정학솔분별위91.6％,97％,84％,90.4％,운산속도최만적부수약3.5s.재분류정학솔화운산효솔량개방면,균우우자훈련반감독SVM、감독SVM량충방법.
