| 基于SVM的四类运动想象脑电信号分类方法研究 |
| |
| 引用本文： | 庄 玮,段锁林,徐亭婷,赵以钢.基于SVM的四类运动想象脑电信号分类方法研究[J].科学技术与工程,2014,14(9). |
| |
| 作者姓名： | 庄 玮 段锁林 徐亭婷 赵以钢 |
| |
| 作者单位： | 常州大学机器人研究所,常州大学机器人研究所,常州大学机器人研究所,常州大学机器人研究所 |
| |
| 基金项目： | 机器人技术与系统国家重点实验室开放基金重点项目（智能轮椅的脑机接口关键技术研究SKLRS- 2010-2D-09,2010-2012） |
| |
| 摘 要： | 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；最后应用改进后的支持向量机(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较高,可以达到91.12%,并且有效的减少了分类器的个数,最终达到较好的识别效果。
|
| 关 键 词： | 关键词 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) |
| 收稿时间： | 2013/7/11 0:00:00 |
| 修稿时间： | 2013/11/22 0:00:00 |
Research on Classification Method of Four-class Motor Imagery EEG Data Based on SVM |
| |
| Institution: | Changzhou University,Changzhou University Robotics Institute, |
| |
| Abstract: | |
| |
| Keywords: | Brain-computer interface(BCI) Four-class motor imagery Feature extraction Clustering idea Support sector machines(SVM) |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
