基于ICA和极限学习机的模拟阅读脑电特征分类

• 作者: 官金安 杨建华 赵瑞娟
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 模拟阅读 N2-P3成分 极限学习机
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 物理与电子信息科学
• 页码范围: 85-89
• 页数: 5页
• 分类号: TP391.4
• 字数: 4632字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4321.2018.01.018

摘要

为了有效地提取N2-P3成分,利用ICA对脑电数据进行盲源分离,自动提取N2-P3成分;同时为了克服传统方法如支持向量机、神经网络训练时间长、个别识别准确率不够高的缺点,选择极限学习机作为分类器.在模拟阅读实验范式下,记录了7名受试者的脑电数据,利用ICA分别对每名受试者的高维脑电数据进行盲源分离,提取出N2-P3成分,以此作为靶特征,并与非靶特征一起放入极限学习机分类器进行分类.训练得到7名受试者的训练时间和分类准确率,并与支持向量机进行了比较.结果表明:经过ICA特征提取后,使用极限学习机进行分类,该分类器学习速度快,泛化能力强,训练时间大大减少.在分类准确率上,ICA+ELM的分类准确率较传统的最佳单通道+SVM有较大幅度的提升,从后者平均的82.4% 提升到了97.7%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	官金安	中南民族大学生物医学工程学院认知科学国家民委重点实验室	34	181	7.0	11.0
5	杨建华	中南民族大学生物医学工程学院认知科学国家民委重点实验室	3	2	1.0	1.0
6	赵瑞娟	中南民族大学医学信息分析及肿瘤诊疗湖北省重点实验室	4	6	2.0	2.0