用核学习算法的意识任务特征提取与分类

• 作者: 薛建中 郑崇勋 闫相国
• 来源期刊: 电子学报
• 学科: 医学
• 关键词: 核主分量分析(KPCA) 支持向量机(SVM) 意识任务 脑电(EEG)
• 年，卷（期）: 2004,（10）
• 所属期刊栏目: 科研通信
• 页码范围: 1749-1753
• 页数: 5页
• 分类号: R318
• 字数: 5421字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2004.10.040

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑崇勋	西安交通大学生物医学信息工程教育部重点实验室	122	1268	20.0	26.0
2	薛建中	西安交通大学生物医学信息工程教育部重点实验室	5	70	4.0	5.0
3	闫相国	西安交通大学生物医学信息工程教育部重点实验室	36	354	12.0	18.0