• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《北京生物医学工程》 >基于核函数极限学习机和小波包变换的EEG分类方法

基于核函数极限学习机和小波包变换的EEG分类方法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

目的 为实现运动功能障碍患者的运动意愿,基于脑-机接口(brain-computer interface,BCI)的康复训练技术是近年来的研究热点.脑-机接口的关键技术是快速准确地识别出与运动想象相关的脑电模式.针对脑电信号非平稳及个性化差异等特点,利用小波包理论和核函数极限学习机(extreme learning machine,ELM)方法 ,提出一种自适应的特征分类方法来提高脑电信号的分类识别率.方法由于小波包存在着频带交错的现象,所以首先利用距离准则将自适应提取的最优小波包的平均能量作为特征向量,并采用核函数ELM方法进行分类.最后利用BCI竞赛数据进行了脑电信号特征分类的仿真研究,并对不同算法的分类识别率进行仿真分析.结果 自适应特征分类方法对用于实验的脑电数据的平均分类识别率达到97.6％,对比ELM、神经网络(back propagation,BP)和支持向量机(support vector machine,SVM)分类方法,核函数ELM方法在分类时间和识别精度上效果最佳.结论 本文提出的脑电信号分类方法取得了较高的分类识别率,适用于脑电信号的分类应用.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号