点击次数：

论文类型： 期刊论文

发表时间： 2010-10-20

发表刊物： 中国生物医学工程学报

收录刊物： Scopus、PKU、ISTIC、CSCD

卷号： 29

期号： 5

页面范围： 648-653

ISSN号： 0258-8021

关键字： 特征提取;皮层慢电位;模式识别;半监督学习;神经网络

摘要： 特征提取和特征分类是脑机接口中模式识别过程中两个关键的环节.首先,针对脑电信号的非平稳特性,提出基于小波变换系数、系数均值及小波熵相结合的特征提取方法,该方法在特征中加入了脑电信号的能量信息.实验证明,通过该方法获取的P300信号特征量能够更好地表达脑电信号中的瞬变成分,进一步提高了识别率;其次,在模式识别方面,改进了基于自训练半监督的支持向量机算法和基于自训练半监督的K均值聚类算法.在BCI2003竞赛数据集上的实验表明,相比于传统的BP神经网络,两种改进的分类算法在获得了更高的识别率的同时,能够将特征量维数降低一个数量级,明显提高了训练收敛速度,有效增加了基于脑电信号的实时BCI系统的可实现性.