基于支持向量机的脑电信号分类方法研究
本文选题：脑机接口(BCI) 切入点：四类运动想象 出处：《科学技术与工程》2014年09期 论文类型：期刊论文
【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。
[Abstract]:Aiming at the problem of low classification accuracy in EEG signal processing by traditional SVM classification method, a multi-class SVM classifier is constructed by combining clustering idea with binary tree support vector machine (SVM). The experiment takes Dataset IIIa in "BCI Competition 2005" as an example. Firstly, the wavelet transform is used to Denoise the four kinds of motion imaginary EEG signals collected by C _ 3 / C _ 4 guide, and then the wavelet packet is used to decompose and reconstruct the wavelet packet on the basis of analyzing the characteristic of the frequency band division of the wavelet packet. Finally, the improved SVM classification method is used to classify the feature signals. The results show that the classification accuracy of the method can reach 91.12%, and the number of classifiers is reduced effectively. Finally, a better recognition effect is achieved.
【作者单位】： 常州大学机器人研究所;
【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)资助
【分类号】：TN911.6
【参考文献】
相关期刊论文 前3条
1 薛欣;贺国平;;基于隶属度分离测度SVM决策树层次结构设计方法[J];计算机应用研究;2007年09期
2 黄玲;张爱华;;改进的决策树SVM在脑电识别中的应用[J];计算机工程与设计;2010年02期
3 万柏坤;刘延刚;明东;孙长城;綦宏志;张广举;程龙龙;;基于脑电特征的多模式想象动作识别[J];天津大学学报;2010年10期
【共引文献】
相关期刊论文 前10条
1 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
2 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
3 赵万明;黄彦全;谌贵辉;;基于支持向量机的农村用电量需求预测[J];安徽农业科学;2009年25期
4 邹心遥;姚若河;;基于LSSVM的小子样元器件寿命预测[J];半导体技术;2011年09期
5 刘翠红;;基于SVR的船舶溢油事故预测[J];环境科学与管理;2008年09期
6 张贵,乔春生;应用支持向量机回归确定岩体强度指标[J];北方交通大学学报;2004年01期
7 张玉川;张作泉;;支持向量机在股票价格预测中的应用[J];北京交通大学学报;2007年06期
8 肖燕彩;张清;;基于模糊支持向量机的变压器故障诊断[J];北京交通大学学报;2012年01期
9 吕云霄;吴美平;胡小平;;基于支持向量机的地磁辅助导航匹配区域选取准则[J];兵工自动化;2011年01期
10 赵瑞君;牟艳琼;郑晓齐;;基于SVM的国防科研院所自主创新能力预测模型[J];北京航空航天大学学报(社会科学版);2010年04期
相关会议论文 前10条
1 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
2 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
3 康传会;汪晓东;汪轲;常健丽;;基于最小二乘支持向量机的迟滞建模方法[A];第二十九届中国控制会议论文集[C];2010年
4 刘英林;刘洪鹏;g窃，
本文编号：1612454
本文链接：https://www.wllwen.com/kejilunwen/wltx/1612454.html
