基于不同特征提取算法的运动想象分类

摘要：

脑-机接口(BCI)可以把大脑发出的信息转换成驱动外部设备的命令,实现了人与计算机或外部设备的交互.目前,用于脑电信号特征提取和分类的算法有很多,本文对BCI Competition Ⅱ中两类运动想象任务时的脑电数据进行分析,用基于径向基函数(RBF)的支持向量机(SVM)进行分类,比较白化、快速独立成分分析(FastICA)和公共空间模式(CSP)三种特征提取算法.结果表明,用FastICA和CSP进行特征提取时得到的分类准确率较高,可达75.0％和76.4％,而白化的效果则要差些.

关键词： 运动想象 脑-机接口 脑电信号 特征提取算法 支持向量机

作者: 谢宏 谷晓媚 夏斌

作者单位: 上海海事大学 信息工程学院,上海200135

会议类型: 国内会议

会议名称: 全国第21届计算机技术与应用(CACIS)学术会议

会议地点: 上海

会议语种:中文

页码: 453-456

在线出版日期: 2010-08-20（万方平台首次上网日期，不代表论文的发表时间）