基于SVM特征优化的Farwell虚拟矩阵字符识别

作者：綦**; 孙长城; 安兴伟; 许敏鹏; 马岚; 明东; 万柏坤

来源：天津大学学报 (自然科学与工程技术版), 2011, 44(09): 829-834.

• 支持向量机特征优化方法
• Farwell虚拟字符矩阵
• 脑机接口

传统Farwell虚拟字符矩阵BCI中仅采用少数中线导联上的EEG特征进行识别,由于识别信息量较为有限,导致识别效率不高.为此,引入了一种支持向量机特征优化方法,采用扰动支持向量机代价函数的方法评价特征对于分类的贡献,进而优选出适于识别的特征组合.对6位受试者每人各采集80个字符的Farwell虚拟矩阵刺激任务脑电数据,经支持向量特征优化方法进行识别,获得良好的识别效果(识别错误率0.9%).研究表明,支持向量机特征优化方法具有较好的特征选择效果,适用于高特征维度的脑机交互诱发脑电信号降维处理.

• 单位
  天津大学; 中国医学科学院生物医学工程研究所; 电子工程学院