發(fā)布時間：2018-03-14 18:34

  本文選題：腦機接口(BCI)　切入點：四類運動想象　出處：《科學技術與工程》2014年09期 　論文類型：期刊論文

【摘要】：針對傳統(tǒng)支持向量機分類方法在腦電信號處理中存在分類正確率低的問題,將聚類思想與二叉樹支持向量機(SVM)結合,構造多類SVM分類器。實驗以"BCI Competition 2005"中的Dataset IIIa為例,先對C3/C4導采集的四類運動想象腦電信號應用小波變換進行去噪。再在分析小波包頻帶劃分特點的基礎上,利用小波包進行分解與重構,獲取相應的能量特征。最后應用改進后的SVM分類方法對特征信號進行分類。結果表明該方法分類正確率,可以達到91.12%;并且有效地減少了分類器的個數(shù),最終達到較好的識別效果。
[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.
【作者單位】： 常州大學機器人研究所;
【基金】：機器人技術與系統(tǒng)國家重點實驗室開放基金重點項目(智能輪椅的腦機接口關鍵技術研究SKLRS-2010-2D-09,2010-2012)資助
【分類號】：TN911.6

【參考文獻】

相關期刊論文 前3條

1 薛欣;賀國平;;基于隸屬度分離測度SVM決策樹層次結構設計方法[J];計算機應用研究;2007年09期

2 黃玲;張愛華;;改進的決策樹SVM在腦電識別中的應用[J];計算機工程與設計;2010年02期

3 萬柏坤;劉延剛;明東;孫長城;綦宏志;張廣舉;程龍龍;;基于腦電特征的多模式想象動作識別[J];天津大學學報;2010年10期

【共引文獻】

相關期刊論文 前10條

1 李淑華;徐良培;陶建平;;基于支持向量機的我國水產(chǎn)品出口貿(mào)易風險預警研究[J];安徽農(nóng)業(yè)科學;2008年30期

2 程偉;張燕平;趙姝;;支持向量機在糧食產(chǎn)量預測中的應用[J];安徽農(nóng)業(yè)科學;2009年08期

3 趙萬明;黃彥全;諶貴輝;;基于支持向量機的農(nóng)村用電量需求預測[J];安徽農(nóng)業(yè)科學;2009年25期

4 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預測[J];半導體技術;2011年09期

5 劉翠紅;;基于SVR的船舶溢油事故預測[J];環(huán)境科學與管理;2008年09期

6 張貴,喬春生;應用支持向量機回歸確定巖體強度指標[J];北方交通大學學報;2004年01期

7 張玉川;張作泉;;支持向量機在股票價格預測中的應用[J];北京交通大學學報;2007年06期

8 肖燕彩;張清;;基于模糊支持向量機的變壓器故障診斷[J];北京交通大學學報;2012年01期

9 呂云霄;吳美平;胡小平;;基于支持向量機的地磁輔助導航匹配區(qū)域選取準則[J];兵工自動化;2011年01期

10 趙瑞君;牟艷瓊;鄭曉齊;;基于SVM的國防科研院所自主創(chuàng)新能力預測模型[J];北京航空航天大學學報(社會科學版);2010年04期

相關會議論文 前10條

1 周綺鳳;林成德;羅林開;彭洪;;一種基于黎曼度量的訓練樣本類不平衡SVM分類方法研究[A];第二十六屆中國控制會議論文集[C];2007年

2 顧小軍;楊世錫;錢蘇翔;;基于支持向量機的旋轉(zhuǎn)機械多類故障識別研究[A];第二十六屆中國控制會議論文集[C];2007年

3 康傳會;汪曉東;汪軻;常健麗;;基于最小二乘支持向量機的遲滯建模方法[A];第二十九屆中國控制會議論文集[C];2010年

4 劉英林;劉洪鵬;g竊，

本文編號：1612454