支持向量機(jī)（SVM）算法及其在腦電逆問(wèn)題方面的應(yīng)用.pdf

1、腦電現(xiàn)象是腦神經(jīng)活動(dòng)的外在表現(xiàn)形式之一，對(duì)腦電現(xiàn)象的研究，可使人們快速、無(wú)創(chuàng)和經(jīng)濟(jì)地閱讀活體大腦的功能狀態(tài)，如生理、病理、心理、感知、認(rèn)知等。而達(dá)到此目的的關(guān)鍵是如何從EEG 所攜帶的豐富信息中提取所需的有用信息。計(jì)算機(jī)、信息處理方法及計(jì)算電磁學(xué)的應(yīng)用，突破了腦電研究的傳統(tǒng)模式，給腦電研究帶來(lái)新的活力。腦電研究領(lǐng)域的核心技術(shù)是對(duì)腦電正、逆問(wèn)題的研究。腦電逆問(wèn)題的研究近20 年來(lái)受到人們的廣泛重視。腦電逆問(wèn)題的精確結(jié)果對(duì)腦認(rèn)知功能的研究有

2、重要的科學(xué)意義和臨床應(yīng)用價(jià)值。 支持向量機(jī)算法基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，而不是傳統(tǒng)統(tǒng)計(jì)學(xué)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化，專門(mén)針對(duì)有限樣本學(xué)習(xí)，可以避免局部極值的情況，并通過(guò)非線性變換巧妙的解決了維數(shù)災(zāi)難問(wèn)題，表現(xiàn)出很多優(yōu)于已有方法的性能，在精度上已經(jīng)超過(guò)傳統(tǒng)的學(xué)習(xí)算法或與之不相上下。支持向量機(jī)算法在模式識(shí)別、回歸估計(jì)、概率密度函數(shù)估計(jì)等方面都有應(yīng)用并取得了大量的應(yīng)用研究成果，推動(dòng)了各領(lǐng)域的發(fā)展。 本文的主要工作是利用支持向量回歸算法解決