【摘要】引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.
【关键词】
全文来源于知网
光镊力谱系统双光束串扰因素研究 胡春光, 王国庆, 李宏斌, 胡晓东, 2017 32 7 ¥:0
收藏
空中光电位姿测量系统的抗干扰方法 王向军, 吕博 2017 78 6 ¥:0
收藏
1000~2500 nm宽波段的葡萄糖吸收光谱的测量波长优选 张紫杨, 孙迪, 刘冰洁, 孙翠迎, 刘 2017 193 6 ¥:0
收藏
视频中运动电车电线的实时自动检测跟踪算法 刘见昕, 蒲灿, 柴晓飞, 孔昭松, 汪 2017 199 7 ¥:0
收藏
防护热板法快速测量物质导热系数 索亚运, 李艳宁 2017 287 6 ¥:0
收藏