| 辅助训练的半监督线性支持向量机用于EEG分类 |
| |
| 引用本文： | 王金甲,贾敏. 辅助训练的半监督线性支持向量机用于EEG分类[J]. 仪器仪表学报, 2013, 34(4) |
| |
| 作者姓名： | 王金甲 贾敏 |
| |
| 作者单位： | 燕山大学信息科学与工程学院 秦皇岛066004 |
| |
| 基金项目： | 国家自然科学基金，河北自然科学基金 |
| |
| 摘 要： | 研究了基于辅助训练思想的半监督线性支持向量机方法在脑机接口EEG分类中的应用.首先采用高斯混合模型、Parzen窗、KN-近邻估计三种方法估计概率密度,得到未标记样本的密度信息,选择部分概率较高样本,使用比较置零法避免错分.其次采用线性支持向量机作为判别分类器得到已选样本的边界信息,通过距离判别条件选出高置信度的样本,使用方向判别条件避免错分.结合密度和边界信息完成高置信度未标记样本选择的方法称为辅助训练半监督支持向量机.本文的实验数据包括g50c、BCI Ⅰ、BCIⅡ_Ⅳ、USPS,分类正确率分别为91.6％,97％,84％,90.4％,运算速度最慢的仅需约3.5s.在分类正确率和运算效率两个方面,均优于自训练半监督SVM、监督SVM两种方法.
|
| 关 键 词： | 辅助训练 半监督学习 半监督线性支持向量机 脑机接口 |
Semi-supervised linear SVM using help training for EEG classification |
| |
| Wang JinJia , Jia Min. Semi-supervised linear SVM using help training for EEG classification[J]. Chinese Journal of Scientific Instrument, 2013, 34(4) |
| |
| Authors: | Wang JinJia Jia Min |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
