基于曲线拟合和SVM的眼动信号分类算法研究

• 作者: 侯传宇 吕钊 吴小培
• 来源期刊: 计算机应用研究
• 关键词: 人机交互 眼电图 实验范式 曲线拟合 支持向量机
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 2101-2104,2111
• 页数: 5页
• 分类号: TN911.7|TP391.7
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.07.044

摘要

为提高基于EOG的眼动信号分类算法精度,改进基于EOG的人—机交互系统性能,提出了一种基于曲线拟合(curve fitting)与支持向量机(SVM)的眼动信号分类算法(CF-SVM),并设计了新的实验范式,增加了“扫视保持”环节.该算法采用曲线拟合方法进行特征提取,在此基础上,使用SVM分类器对眼动信号进行分类.实验室环境下,对9名眼部活动正常的受试者进行了眼动数据采集与识别,CF-SVM算法的平均分类准确率达到98.3％,与其他几种眼动识别方法相比较,其平均正确率分别提升了9.4％、5.9％、1.0％.实验结果表明,CF-SVM算法在眼动信号识别中表现了良好的性能,具有高的分类精度和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕钊	安徽大学计算智能与信号处理教育部重点实验室	49	318	9.0	16.0
2	吴小培	安徽大学计算智能与信号处理教育部重点实验室	132	1377	20.0	29.0
3	侯传宇	宿州学院信息工程学院	16	52	4.0	6.0