基于支持向量機(jī)和PCA的腦電α波運(yùn)動(dòng)想象分類研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>699 K
標(biāo)簽： 小波包分解 支持向量機(jī) 運(yùn)動(dòng)想象
所需積分：0分積分不夠怎么辦？
文檔介紹：針對(duì)腦電信號(hào)(EEG)運(yùn)動(dòng)想象分類過(guò)程中弱相關(guān)特征量影響分類準(zhǔn)確度的問(wèn)題，提出一種篩選方法，該方法是基于α波和主成分分析(PCA)算法的?；谀X機(jī)接口(BCI)系統(tǒng)，通過(guò)聽(tīng)覺(jué)誘發(fā)刺激產(chǎn)生向左和向右兩種運(yùn)動(dòng)想象任務(wù)對(duì)應(yīng)的腦電信號(hào)，并對(duì)其做小波包分解處理，然后進(jìn)行腦電α頻段信號(hào)的重構(gòu)，從而提取出α波形并對(duì)其進(jìn)行統(tǒng)計(jì)特征提取。再結(jié)合PCA技術(shù)和支持向量機(jī)(SVM)方法，實(shí)現(xiàn)弱相關(guān)特征的剔除和特征分類。根據(jù)篩選后的數(shù)據(jù)進(jìn)行分類，所得結(jié)果準(zhǔn)確率更高，信號(hào)分類的準(zhǔn)確度由90.1%提高至94.0%。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。