|
|||||
|
|
| 基于ELM运动想象脑电信号的分类 | |
| 作者单位： | ;1.中国计量学院机电工程学院 |
| 摘 要： | 针对运动想象脑电信号的分类识别,提出一种基于小波变换和共空间模式滤波的方法进行特征提取。对EEG进行3层小波分解,提取相关层数小波系数的特征量;同时利用共空间模式对EEG进行空间滤波,提取其转换后信号的方差作为特征量,并将这两类特征量进行组合。该方法结合了时频域和空间域的特征信息,可提高分类识别的效果。最后选取BCI2003中Data setⅢ数据作为样本,分别用极限学习机和基于粒子群算法的支持向量机进行分类识别。实验结果表明极限学习机分类学习时间较快,最优识别率为94.2857%,证明了该方法更适用于脑机接口系统。 |
| 关 键 词： | 运动想象 小波变换 共空间模式 支持向量机 极限学习机 |
CLASSIFICATION OF MOTOR IMAGERY ELECTROENCEPHALOGRAM BASED ON ELM |
|
| Abstract: | |
| Keywords: | |