针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocorticographic,ECoG)信号的分类问题,对BCI2005竞赛数据集I中的ECoG信号使用频带能量(band power,BP)归一化算法提取运动相关电位(movement related potential,MRP)、μ节律和β...
详细信息
针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocorticographic,ECoG)信号的分类问题,对BCI2005竞赛数据集I中的ECoG信号使用频带能量(band power,BP)归一化算法提取运动相关电位(movement related potential,MRP)、μ节律和β节律的频带能量作为特征。针对特征提取后维数较高的问题,使用基于支持向量机的回归特征消去(support vector machine recursive feature elimination,SVM-RFE)算法进行特征选择,通过对训练数据集使用10段交叉验证(cross validation,CV)的方法寻找最佳特征组合,确定特征在维数为6时具有最低平均识别错误率,对测试数据集采用同样的方法和同样的组合进行特征提取,并使用线性支持向量机进行分类,分类正确率可以达到93%。
暂无评论