基于EMD和PCA的P300分类算法

• 作者: 李营 艾玲梅 马苗
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 经验模态分解 P300脑电信号 支持向量机
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 182-184,187
• 页数: 4页
• 分类号: TP301.6
• 字数: 4416字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.05.066

摘要

提出一种基于经验模态分解(EMD)及主分量分析(PCA)的分类算法,采用支持向量机(SVM)对P300脑电信号字符拼写实验进行分类,通过EMD变换对P300脑电信号分解,从而达到去噪增强特征的效果,使用PCA方法对原始P300信号进行特征提取和集中,并送入SVM中实现分类.实验结果表明,该算法能获得高达96%的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾玲梅	陕西师范大学计算机科学学院	30	201	8.0	13.0
2	马苗	陕西师范大学计算机科学学院	87	626	14.0	20.0
3	李营	陕西师范大学计算机科学学院	3	14	3.0	3.0