脑机接口中基于BISVM的EEG分类

• 作者: 何美燕 刘丽 杨帮华 陆文宇
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 脑机接口 批处理增量式支持向量机 脑电 分类
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 电气工程
• 页码范围: 1431-1436
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2013.08.016

摘要

针对脑电信号(EEG)分类问题,提出基于批处理增量式支持向量机(BISVM)的分类方法.将所有数据通过批处理进行分组,采用第1组数据在SVM中建立初始分类器模型,将剩余组内数据顺序作为新增样本,对满足卡罗需-库恩-塔克(KKT)条件的样本进行增量学习和减量去学习,不断判断KKT条件并更新参数,丢弃错误样本,对初始分类器模型进行更新.对2008年脑机接口竞赛数据及本实验室采集数据,用小波包分解(WPD)结合共空间模式(CSP)进行特征提取,SVM、ISVM及BISVM分类.结果表明,BISVM的平均分类准确率相对SVM及ISVM分别提高了3.3％及0.3％,BISVM平均训练时间相对ISVM从1.076 s减少到0.793 s.BISVM为改善计算机对大脑的适应性,实现快速实时在线的脑机接口系统奠定基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨帮华		32	169	7.0	12.0
2	何美燕		8	52	3.0	7.0
3	刘丽		20	95	4.0	9.0
4	陆文宇		8	55	3.0	7.0