基于同步似然的脑电分类方法研究 |
| |
引用本文: | 曹锐,武政,相洁,李聪改,陈俊杰.基于同步似然的脑电分类方法研究[J].太原理工大学学报,2014(4):510-514. |
| |
作者姓名: | 曹锐 武政 相洁 李聪改 陈俊杰 |
| |
作者单位: | 太原理工大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金资助项目(61170136,61373101);山西省自然科学基金资助项目(2011011015-4);北京市博士后工作经费资助项目(Q6002020201201) |
| |
摘 要: | 脑电数据的分类方法一直是疾病诊断、脑机接口等研究的热点,其关键在于分类特征的选择。目前的分类特征(例如样本熵)多基于单个通道,而近期研究报道脑电通道之间存在着相互作用。因此,本文采用了同步似然性作为新的分类特征,并利用SVM分类算法在两组脑电数据上进行了验证。结果表明,同步似然性作为分类特征的结果优于样本熵,可在脑电数据分类中得到更广泛应用。
|
关 键 词: | 脑电信号 同步似然 样本熵 特征识别 SVM分类 |
本文献已被 CNKI 等数据库收录! |
|