基于免疫优化的脑电自适应集成分类方法研究

• 作者: 丁永生 任立红 李嘉伟 陈磊
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 脑机接口 P300信号 支持向量机 集成分类器 免疫优化
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 自动化、计算机技术
• 页码范围: 873-879
• 页数: 7页
• 分类号: TP181
• 字数: 6097字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2018.08.018

摘要

针对脑机接口研究(BCI)中对脑电波信号的分类识别问题,对脑电信号中P300脑电信号的预处理、特征提取及特征分类等方面算法进行了研究,主要侧重于对P300脑电信号分类算法的研究.提出了一种自适应的集成支持向量机(SVM)分类方法,利用免疫算法的多样性以及自我调节能力,对基于Bagging的集成SVM分类学习器进行了优化,提高了对P300脑电信号识别的准确度以及针对不同个体的自适应性.研究结果表明:将自适应集成分类算法运用在BCI Competition III Dataset II的P300脑电数据上,可以识别出被试者的脑电意图,并且对P300脑电信号的分类可以达到较高的分类准确率,实验结果稳定在98％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任立红	东华大学数字化纺织服装技术教育部工程研究中心	51	1301	15.0	35.0
2	丁永生	东华大学数字化纺织服装技术教育部工程研究中心	196	2432	22.0	42.0
3	陈磊	东华大学数字化纺织服装技术教育部工程研究中心	19	38	3.0	5.0
4	李嘉伟	东华大学数字化纺织服装技术教育部工程研究中心	1	2	1.0	1.0