基于支持向量机的脑电信号分类方法研究

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(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.

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)

所属期刊栏目：14

分类号：TP242.6(自动化技术及设备)

资助基金：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

在线出版日期：2014-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：73-77