增量孪生支持向量机后验概率方法及脑电分类应用
本文关键词：增量孪生支持向量机后验概率方法及脑电分类应用
更多相关文章： 自适应 孪生支持向量机 增量学习 后验概率 脑-机接口
【摘要】：目的研究一种对多任务脑电信号进行快速识别的自适应分类算法,提高脑-机接口(brain-computer interface,BCI)系统的实用性。方法将孪生支持向量机(twin support vector machine,TSVM)作为初始分类模型,通过后验概率输出建模方法求得新样本属于各个类别的概率,并将该样本归为概率最大的类别,然后引用增量学习方法将满足一定条件的新样本加入到训练集中来更新分类模型,以最新的分类模型对新增样本进行识别。结果对2008年BCI竞赛数据集Dataset1和Dataset2a进行分类,与传统SVM和现有TSVM等方法相比,该方法降低了分类耗时,能更好地识别出多数受试者的脑电信号。结论本文算法能提高分类器的自适应性和分类速度,为BCI系统提供了一种有效的在线识别方法。
【作者单位】： 杭州电子科技大学机器人研究所;
【关键词】： 自适应 孪生支持向量机 增量学习 后验概率 脑-机接口
【基金】：国家自然科学基金资助项目(61201302,61172134) 浙江省自然科学基金资助项目(LY15F010009,LY14F030023) 浙江省国际科技合作项目(2013C24016) 国家留学基金资助项目(201308330297)
【分类号】：TP181;R318.04
【正文快照】： 脑-机接口(brain-computer interface,BCI)技术近年来发展迅速,是目前人机交互领域研究的热点,它以脑电(electroencephalogram,EEG)信号为基础,通过预处理、特征提取、模式识别和控制命令生成,实现人的“意念控制”,涉及面已经从最初的康复医疗拓展到航天员训练、智能家居、游
【参考文献】
中国期刊全文数据库 前2条
1 王行愚;金晶;张宇;王蓓;;脑控:基于脑-机接口的人机融合控制[J];自动化学报;2013年03期
2 孙曜;罗志增;韦巍;;基于典型相关分析的眼动辅助脑电假手动作识别方法研究[J];航天医学与医学工程;2011年02期
【共引文献】
中国期刊全文数据库 前10条
1 孟明;满海涛;佘青山;;基于CI-HMM的运动想象脑电信号分类[J];传感技术学报;2013年12期
2 吴金玲;;基于粗糙集离散化的多频带脑电特征选择方法的研究[J];电子设计工程;2014年01期
3 罗志增;周镇定;周瑛;何海洋;;双树复小波特征在运动想象脑电识别中的应用[J];传感技术学报;2014年05期
4 姜伟浩;燕林;金峥峥;陈东红;周志龙;陈锡爱;;基于意念控制的运动控制系统研发[J];福建电脑;2015年01期
5 贾花萍;赵俊龙;;脑-计算机接口技术与应用前景[J];单片机与嵌入式系统应用;2015年05期
6 罗旭;吴昊;郭继卫;;论军事生物科技创新与军医大学转型发展[J];重庆医学;2015年26期
7 佘青山;昌凤玲;高发荣;罗志增;;基于主轴动态核聚类的运动想像脑电信号识别[J];华中科技大学学报(自然科学版);2013年S1期
8 唐明珠;阳春华;;基于同步优化的代价敏感支持向量机优良类操作模式识别[J];化工学报;2013年12期
9 佟丽娜;侯增广;彭亮;王卫群;陈翼雄;谭民;;基于多路sEMG时序分析的人体运动模式识别方法[J];自动化学报;2014年05期
10 伏云发;徐保磊;李永程;李洪谊;王越超;余正涛;;基于运动相关皮层电位握力运动模式识别研究[J];自动化学报;2014年06期
中国重要会议论文全文数据库 前1条
1 Fei Wang;Chucheng Zhou;Xiang Hao;Song Wang;Guangda Yang;;BCI Control System for Humanoid Robot Based on Motor Imaginary[A];第25届中国控制与决策会议论文集[C];2013年
中国博士学位论文全文数据库 前4条
1 余天佑;多模态与多自由度脑机接口研究[D];华南理工大学;2013年
2 王震;基于非平行超平面支持向量机的分类问题研究[D];吉林大学;2014年
3 方永慧;基于运动想象脑电信号非线性特性分析的脑—机接口研究[D];重庆大学;2014年
4 黄华娟;孪生支持向量机关键问题的研究[D];中国矿业大学;2014年
中国硕士学位论文全文数据库 前10条
1 王媛媛;基于判决理论的在线BCI系统的研究与建立[D];大连理工大学;2013年
2 黄保仔;脑电波控制的网页游戏设计与实现[D];青岛大学;2013年
3 崔薇;运动想象脑电分析方法研究[D];燕山大学;2013年
4 韩仁香;基于时间段和频带联合选择的多类运动想象脑—机接口分类算法研究[D];南昌大学;2013年
5 何俊云;基于线性双子支持向量机的特征选择研究及应用[D];浙江工业大学;2013年
6 严骏;基于人体重心模型的智能轮椅人机交互及运动控制研究[D];北京工业大学;2013年
7 孟霏;脑机接口中运动想象脑电信号的识别方法和应用[D];大连交通大学;2013年
8 王e，
本文编号：994796
本文链接：https://www.wllwen.com/yixuelunwen/swyx/994796.html
