用核学习算法的意识任务特征提取与分类

被引：10

作者：

薛建中

闫相国

郑崇勋

机构：

[1] 西安交通大学生物医学信息工程教育部重点实验室

[2] 西安交通大学生物医学信息工程教育部重点实验室陕西西安

[3] 陕西西安

来源：

电子学报 | 2004年 / 10期

关键词：

核主分量分析(KPCA); 支持向量机(SVM); 意识任务; 脑电(EEG);

D O I：

暂无

中图分类号：

R318.04 [生物信息、生物控制];

学科分类号：

0831 ;

摘要：

介绍了核学习算法中核主分量分析 (KPCA)和支持向量机 (SVM)的基本原理 ,给出一种推广误差上界估计判据 ,实现了SVM核参数及惩罚因子的优化选取 .根据多变量自回归模型理论对 4个受试对象、三种不同意识任务的脑电信号进行特征提取 ,并利用KPCA方法进行降维预处理 ,对SVM进行训练和分类测试 .结果表明 ,KPCA算法在高维特征空间具有较强的特征选择能力 ,优化核参数的SVM的分类正确率明显高于径向基函数网络 ,三种意识任务的平均分类正确率达 78 6 % .

引用

页码：1749 / 1753

页数：5