基于 ELM 运动想象脑电信号的分类

• 作者: 双嘉伟 柯海森
• 来源期刊: 计算机应用与软件
• 学科: 医学
• 关键词: 运动想象 小波变换 共空间模式 支持向量机 极限学习机
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 187-190,206
• 页数: 5页
• 分类号: TP391.4|R318.04
• 字数: 3534字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.10.041

摘要

针对运动想象脑电信号的分类识别，提出一种基于小波变换和共空间模式滤波的方法进行特征提取。对 EEG 进行3层小波分解，提取相关层数小波系数的特征量；同时利用共空间模式对 EEG 进行空间滤波，提取其转换后信号的方差作为特征量，并将这两类特征量进行组合。该方法结合了时频域和空间域的特征信息，可提高分类识别的效果。最后选取 BCI2003中 Data set Ⅲ数据作为样本，分别用极限学习机和基于粒子群算法的支持向量机进行分类识别。实验结果表明极限学习机分类学习时间较快，最优识别率为94．2857％，证明了该方法更适用于脑机接口系统。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯海森	中国计量学院机电工程学院	10	45	4.0	6.0
2	双嘉伟	中国计量学院机电工程学院	1	1	1.0	1.0