文献类型：期刊文章

作　　者：杨立才[1] 李金亮[1] 姚玉翠[1] 李光林[2]

机构地区：[1]山东大学控制科学与工程学院生物医学工程系,济南250061 [2]伊利诺伊大学芝加哥分校美国伊利诺伊,芝加哥60608

出　　处：《中国生物医学工程学报》

基　　金：山东省自然科学基金项目(Y2005G12)。

年　　份：2007

卷　　号：26

期　　号：6

起止页码：804-809

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSCD、CSCD2011_2012、EMBASE、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对支持向量机方法在P300识别中训练和识别速度相对较慢的不足,本研究提出了一种将小波分解与支持向量机相结合的P300识别方法。该方法通过小波分解实现脑电信号的特征提取,同时利用Span估计方法实现支持向量机最优参数的快速选择;然后借助支持向量机良好的分类性能实现P300的识别。本研究在BCICompetition 2003的P300实验数据集上对该方法进行了验证,结果表明,与传统支持向量机算法相比,本算法具有更高的训练和识别速度,并且在5次重复实验时达到了100%的识别准确率。

关 键 词：脑-机接口 P300 小波分解 支持向量机

分 类 号：R318.08[生物医学工程类]