基于DBN结合SVM的脑电信号识别研究

• 作者: 张毅 蔡军 陈永强
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 脑电信号 深度信任网络 支持向量机 模式识别
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 1007-1011
• 页数: 5页
• 分类号: TP18
• 字数: 3255字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160886

摘要

针对多类脑电信号识别率不高的问题,提出一种深度信任网络(Deep Belief Network,DBN)与支持向量机(Support Vector Machine,SVM)结合的方法.将采集的想象左手、右手、双脚以及舌头运动的四类脑电信号数据作为训练样本训练DBN网络,以得到其最优参数值.用训练好的DBN网络进行特征提取,采用SVM对提取的特征进行分类,在MATLAB上对该算法进行仿真实验测试.实验结果表明,使用该方法分析四类运动想象脑电信号具有较高的识别率,证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张毅	重庆邮电大学先进制作工程学院	281	2390	21.0	36.0
2	蔡军	重庆邮电大学自动化学院	26	129	7.0	9.0
3	陈永强	重庆邮电大学自动化学院	1	4	1.0	1.0