用于脑-机接口P300实验的支持向量机分类方法

• 作者: 刘杨 周宗潭 胡德文 葛瑜
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 脑-机接口(BCI) 脑电(EEG) P300拼写范式 支持向量机(SvM) 分类
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 2859-2862
• 页数: 4页
• 分类号: TP18
• 字数: 3481字
• 语种: 中文

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年脑一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v-SVM中参数v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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡德文	国防科技大学机电工程与自动化学院	92	1254	16.0	32.0
2	葛瑜	国防科技大学机电工程与自动化学院	24	145	7.0	11.0
6	刘杨	国防科技大学机电工程与自动化学院	2	17	2.0	2.0
7	周宗潭	国防科技大学机电工程与自动化学院	19	181	8.0	13.0