Proximal SVM在脑功能分类中的应用研究

• 作者: 丁艳 程西娜 谢松云
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 近邻支持向量机 脑功能 训练时间 正识率
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 工程与应用
• 页码范围: 209-211
• 页数: 3页
• 分类号: TP391
• 字数: 3060字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.11.063

摘要

为了研究PSVM分类器用于脑功能识别的有效性与优越性,对脑功能识别做出了深入的研究和分析.采用三名受试者在睁眼和闭眼状态下的脑电实测数据,从不同角度深入分析和比较了PSVM分类器与标准SVM分类器的性能,主要衡量指标为识别率和训练时间.结果PSVM分类器优于标准SVM分类器之处在于,在保证识别率的同时,计算速度有了显著地提高.并且随着样本维数的增加,PSVM分类器的计算速度并没有下降.PSVM用于脑电信号功能识别是高效率的,这对今后的有实时要求的脑功能分类识别问题具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢松云	酬北工业大学电子信息学院	1	1	1.0	1.0
2	程西娜	酬北工业大学电子信息学院	1	1	1.0	1.0
3	丁艳	酬北工业大学电子信息学院	1	1	1.0	1.0