基于小波分解和支持向量机的P300识别算法

被引：7

作者：

杨立才 ^{[1
]}

李金亮 ^{[1
]}

姚玉翠 ^{[1
]}

李光林 ^{[2
]}

机构：

[1] 山东大学控制科学与工程学院生物医学工程系

[2] 伊利诺伊大学芝加哥分校美国伊利诺伊

来源：

中国生物医学工程学报 | 2007年 / 06期

关键词：

脑-机接口; P300; 小波分解; 支持向量机;

D O I：

暂无

中图分类号：

R318 [生物医学工程];

学科分类号：

0831 ;

摘要：

针对支持向量机方法在P300识别中训练和识别速度相对较慢的不足,本研究提出了一种将小波分解与支持向量机相结合的P300识别方法。该方法通过小波分解实现脑电信号的特征提取,同时利用Span估计方法实现支持向量机最优参数的快速选择;然后借助支持向量机良好的分类性能实现P300的识别。本研究在BCICompetition 2003的P300实验数据集上对该方法进行了验证,结果表明,与传统支持向量机算法相比,本算法具有更高的训练和识别速度,并且在5次重复实验时达到了100%的识别准确率。

引用

页码：804 / 809

页数：6

共 5 条

[1] 脑-机接口技术综述 [J].