用于脑-机接口P300实验的支持向量机分类方法

被引：4

作者：

葛瑜

刘杨

周宗潭

胡德文

机构：

[1] 国防科技大学机电工程与自动化学院

来源：

计算机工程与设计 | 2008年 / 11期

关键词：

脑-机接口(BCI); 脑电(EEG); P300拼写范式; 支持向量机(SVM); 分类;

D O I：

10.16208/j.issn1000-7024.2008.11.014

中图分类号：

TP334.7 [接口装置、插件];

学科分类号：

081201 ;

摘要：

脑-机接口(BCI)技术利用脑电来实现无动作的人机交互。P300字符拼写范式是利用脑电信号实现文字选择输入的一种重要BCI实验范式,它通过对EEG中的P300信号的检测和识别,来推断试验对象(被试)对字母的注意选择。以2005年脑-机接口竞赛中的一组P300字符拼写实验数据为处理对象,采用支持向量机(SVM)的机器学习方法进行算法设计,对信号通道进行了筛选,并采用较少的EEG通道数据进行处理。另外,通过调整参与训练的数据集大小,扩大了SVM中参数的取值范围,更有利于分类器设计。通过上述策略,提高了该BCI实验范式中的系统总体分类精度。上述方法对于测试集字符最佳识别正确率可达到89%,相比于我们参加该届竞赛时所用的线性分类器(LDA),字符识别正确率提高了3%。

引用

页码：2859 / 2862

页数：4

共 5 条

[1]

认知事件相关脑电位教程[M]. - 经济日报出版社 , 魏景汉, 2002

[2]

Kernel methods: a survey of current techniques[J] . Colin Campbell.Neurocomputing . 2002 (1)

[3] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

[4] New support vector algorithms [J].

Schölkopf, B ;

Smola, AJ ;

Williamson, RC ;

Bartlett, PL .

NEURAL COMPUTATION, 2000, 12 (05) :1207-1245

[5] Improving support vector machine classifiers by modifying kernel functions [J].

Amari, S ;

Wu, S .

NEURAL NETWORKS, 1999, 12 (06) :783-789

← 1 →