|
|||||
|
|
| 基于CSP与SVM算法的警觉度脑电信号分类 | |
| 引用本文： | 董书琴,谢宏. 基于CSP与SVM算法的警觉度脑电信号分类[J]. 微型机与应用, 2011, 30(16): 82-84,88 |
| 作者姓名： | 董书琴 谢宏 |
| 作者单位： | 上海海事大学信息工程学院,上海,201306 |
| 摘 要： | 疲劳驾驶是导致交通伤亡事故的重要原因之一,因此采取相应的预防措施是很有必要的。针对两种不同程度的警觉度(清醒和睡眠),采用公共空间模式CSP(Common Spatial Pattern)算法对所采集到的脑电数据进行特征提取,用基于径向基函数(RBF)的支持向量机(SVM)对提取的特征进行分类,通过网格搜索法获得最优参数。与频带能量作为特征的已有方法相比,该算法测试准确率较高,能够达到较好的识别效果。 |
| 关 键 词： | 脑电信号 警觉度 公共空间模式 支持向量机 |
Classification of EEG-based vigilance by using CSP and SVM algorithm |
|
| Dong Shuqin,Xie Hong. Classification of EEG-based vigilance by using CSP and SVM algorithm[J]. Microcomputer & its Applications, 2011, 30(16): 82-84,88 | |
| Authors: | Dong Shuqin Xie Hong |
| Affiliation: | Dong Shuqin,Xie Hong(Institute of Information Engineering,Shanghai Maritime University,Shanghai 201306,China) |
| Abstract: | Fatigue driving is one of the main causes of traffic accidents. Thus, it is necessary to take some measures to prevent traffic accidents caused by Fatigue driving. In order to classify the two different degree of alertness of both wake and sleep, the meth |
| Keywords: | EEG vigilance CSP SVM |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |