| 基于小波包熵和支持向量机的运动想象任务分类研究 |
| |
| 引用本文： | 王艳景,乔晓艳,李鹏,李刚.基于小波包熵和支持向量机的运动想象任务分类研究[J].仪器仪表学报,2010,31(12). |
| |
| 作者姓名： | 王艳景 乔晓艳 李鹏 李刚 |
| |
| 基金项目： | 国家基础科学人才培养基金 |
| |
| 摘 要： | 对运动想象脑电特征进行准确提取和分类是脑-机接口技术研究的重要问题。针对脑电信号非平稳性和非线性特点,提出了一种将小波包熵(WPE)和支持向量机(SVM)相结合的脑电信号识别方法,利用小波包系数能量分布分析脑电时频特性,结合信息熵分析其不确定性和复杂性,并从单次实验中提取运动想象脑电特征;通过支持向量机对特征信号进行分类,采用了一种核函数参数v和误差惩罚因子c的最佳寻优方法,并用互信息(MI)、信噪比(SNR)、最小错分率(MR)等准则对分类器进行评判。测试结果为:想象左右手运动脑电信号识别精度达到90%,M I为0.65 bit,SNR为1.44。结果表明WPE-SVM识别方法能够准确提取脑电本质特征,具有较强的分类性能和抗干扰能力,为大脑运动意识任务分类提供了有效方法,它可以应用于脑-机接口系统中。
|
| 关 键 词： | 脑-机接口 运动想象 小波包熵 支持向量机 互信息 |
Classification of motor imagery task based on wavelet packet entropy and support vector machines |
| |
| Wang Yanjing,Qiao Xiaoyan,Li Peng,Li Gang.Classification of motor imagery task based on wavelet packet entropy and support vector machines[J].Chinese Journal of Scientific Instrument,2010,31(12). |
| |
| Authors: | Wang Yanjing Qiao Xiaoyan Li Peng Li Gang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
