基于SVM的脑功能分类与识别方法研究

被引：9

作者：

谢松云 ^{[1
]}

张海军 ^{[1
]}

赵海涛 ^{[2
]}

张振中 ^{[1
]}

杨金孝 ^{[1
]}

机构：

[1] 西北工业大学电子信息学院

[2] 第四军医大学第一附属医院放射科

来源：

中国医学影像技术 | 2007年 / 01期

关键词：

支持向量机; 脑功能; 核函数分类器; 正识率;

D O I：

10.13929/j.1003-3289.2007.01.049

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

目的探讨SVM分类器用于脑功能识别的可行性、有效性与优越性,为脑电信号处理及功能识别提供一种新的途径和参考。方法对400组实测的正常人在睁眼和闭眼两种状态下的脑电信号,选取四种核函数分别构造四种SVM分类器对上述两种状态下的脑功能进行分类识别,从不同角度深入分析和比较讨论了由四种核函数构造的SVM分类器性能,并提出了脑电信号特征参数从低维到高维的组合变换新方法。结果由RBF核函数构造的SVM分类器最为适合脑功能的分类识别,正识率最高可达96%。结论支持向量机的方法用于脑电信号处理及功能模式识别是可行的、有效的、并初步表现出了优越的性能。

引用

页码：125 / 128

页数：4