基于FastICA和SVM的EEG信号分类系统

摘要：

针对大量EEG数据进行分析时,视觉检测显得既费时效率又低,提出了EEG信号分类系统.该系统采用FastICA方法获取EEG信号模式的高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后利用SVM在独立成分空间中构造广义最优分类超平面.实验研究结果表明:系统综合了FastICA和SVM特性,具有响应实时、漏检率低等优点.

关键词： 独立成分分析 支持向量机 脑电磁信号分析 EEG数据 视觉检测

作者: 张晋东 秦贵和 崔月

作者单位: 吉林大学计算机科学与技术学院,长春,130012

会议类型: 国内会议

会议名称: 2007全国理论计算机科学学术年会

会议地点: 南宁

会议语种:中文

页码: 255-258

在线出版日期: 2007-11-01（万方平台首次上网日期，不代表论文的发表时间）