支持向量機方法在腦功能信號分析與識別中的應用研究.pdf

1、本文以腦電信號為研究對象，以支持向量機方法為研究手段，在深入分析和討論支持向量機原理與核函數(shù)的基礎上，分別建立由四種不同核函數(shù)構(gòu)造支持向量機分類器，實現(xiàn)一定行為動作下腦功能分析與識別，以尋求適合腦功能特征提取與分類的核函數(shù)，探討支持向量機方法在腦功能分析與識別中應用的可行性和有效性。 其中，腦功能信號特征參數(shù)的獲取采用了四種方法，效果總結(jié)如下： (1) 以實測單導聯(lián)原始腦電信號時間序列采樣點的值作為特征屬性值，在分類識別

2、實驗中，以RBF為核函數(shù)的支持向量機分類器的正識率較高。 (2) 把單導聯(lián)特征參數(shù)組合成多導聯(lián)特征參數(shù)，進行分類識別實驗，結(jié)果表明，多導聯(lián)腦電信號更能反映腦活動的整體信息，多導聯(lián)特征的識別效果更好，可信度更高。 (3) 建立灰色模型，進行特征提取，把提取后的特征進行實驗，仍是以RBF為核函數(shù)的支持向量機分類器的識別效果較好。 (4) 把經(jīng)灰色模型提取得到的特征參數(shù)，進行組合，提高特征參數(shù)維數(shù)，再進行實驗，正