摘要
针对自发脑电信号的特征分类,将基于支持向量机(SVM)的算法应用于脑机接口(BCI)系统,提出一种基于自适应遗传算法优化SVM模型参数的脑电信号分类算法,获得最佳的分类性能。以基于小波包分解得到的系数均值和子空间能量作为特征向量,利用BCI 2005data setⅢb标准数据分析了该方法的实验背景和理论依据,并与基于经验SVM的分类结果、基于普通遗传算法优化SVM参数的分类结果、基于概率神经网络的分类结果以及竞赛的最好精度进行了比较,表明所提出方法运用在实际系统中的有效性和优越性。
To study brain-computer interface, a method of feature classification used for two kinds of imaginations is proposed. The method is based on support vector machine, and classification is achieved using an adaptive genetic algorithm with optimal support vector machine parameters. We study the experimental background and theoretical foundation using the data sets of BCI 2005, and compare the classification error with other methods, especially with the best result in a competition. It have been shown that the method is effect and has advantages for applying to practical systems.
出处
《上海电机学院学报》
2012年第3期171-176,183,共7页
Journal of Shanghai Dianji University
基金
国家自然科学基金项目资助(30570485)
上海市教育委员会晨光计划项目资助(09CG069)
上海市教育委员会重点学科资助(J51902)
关键词
脑机接口
自适应遗传算法
支持向量机
特征分类
brain computer interface （BCI）
adaptive genetic algorithm （AGA）
support vector machine （SVM） feature classification
