您当前的位置：
首页 > 文献资料
所属专业：
样本扩充文献资料
-
支持向量机后验概率方法在多任务脑机接口中的应用
基于运动想象的脑机接口是把使用者的运动意图转变成控制外部设备的信号,它包括脑电数据采集,特征提取和模式分类等几个基本环节.本研究发展了用支持向量机后验概率输出进行分类,并用分类结果中具有大概率的测试样本扩充训练集的模式分类与特征更新方法,并把此方法应用于4类任务运动想象脑机接口实验.使用BCI Competition Ⅲ的数据Ⅲa,运用一对一共空间模式扩展方法进行特征提取,用支持向量机后验概率方法进行分类和训练样本扩充.结果表明:概率信息能提高BCI的性能;应用概率信息选取样本扩充训练集能增加分类器的稳健性.
-
基于四类运动想象任务的脑电信号识别
背景:脑-机接口是在大脑与外部设备之间建立的直接的交流通路,基于运动想象的脑-机接口研究已经从两类运动想象任务的识别发展到多类任务的识别.目的:探寻准确有效的对多任务运动想象脑电信号进行特征提取及模式识别的方法.方法:首先采用公共平均参考法减小多通道中各导联间的相关性,提高脑电信号的信噪比.并对公共空间模式算法进行扩展,采用"一对多"的策略,对4类任务的脑电信号进行特征提取,在模式识别过程中,采用基于决策树法的支持向量机进行分类.对于实验对象样本不充足,结合支持向量机和贝叶斯分类器,将分类结果中具有大概率的测试样本扩充到训练集,后再次运用支持向量机进行分类.结果与结论:佳正确率达到92.78%,"一对多"的公共空间模式和基于决策树的支持向量机可以有效地进行多任务脑电信号识别,扩充样本可以提高分类正确率.
关键词： 脑-机接口 事件相关去同步化/同步化 公共空间模式 支持向量机 样本扩充
