基于单形进化算法优化支持向量机的运动想象脑电分类研究

• 作者: 王清杰 全海燕
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 脑机接口 单形进化算法 脑电信号 支持向量机
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 157-163
• 页数: 7页
• 分类号: TN911.7|TH165.3
• 语种: 中文
• DOI: 10.13382/j.jemi.B2103989

摘要

由于支持向量机(support vector machine,SVM)优化算法存在易陷入局部最优解、控制参数较多的问题,提出一种基于单形进化(surface-simplex swarm evolution,SSSE)算法优化的SVM并对运动想象(motor imagery,MI)脑电信号的分类进行了研究.提取MI脑电信号模糊熵和AR(auto regressive)模型参数作为输入特征,然后将SSSE应用在SVM的参数寻优中,实现对MI脑电信号的分类.测试实验中,对2003国际BCI竞赛Data set Ⅲ和2008国际BCI竞赛Data sets 2b进行左右手分类,结果表明,所提方法的平均分类正确率和Kappa值分别为82.47％和0.88,单形进化算法减少了控制参数且有效避免粒子陷入局部最优,验证了该方法在MI脑电信号分类的有效性.