用于脑-机接口P300实验的支持向量机分类方法

摘要：

脑-机接口(BCI)技术利用脑电来实现无动作的人机交互.P300字符拼写范式是利用脑电信号实现文字选择输入的一种重要BCI实验范式,它通过对EEG中的P300信号的检测和识别,来推断试验对象(被试)对字母的注意选择.以2005年脑一机接口竞赛中的一组P300字符拼写实验数据为处理对象,采用支持向量机(SVM)的机器学习方法进行算法设计,对信号通道进行了筛选,并采用较少的EEG通道数据进行处理.另外,通过调整参与训练的数据集大小,扩大了v-SVM中参数v的取值范围,更有利于分类器设计.通过上述策略,提高了该BCI实验范式中的系统总体分类精度.上述方法对于测试集字符最佳识别正确率可达到89%,相比于我们参加该届竞赛时所用的线性分类器(LDA),字符识别正确率提高了3%.

关键词：脑-机接口(BCI)、脑电(EEG)、P300拼写范式、支持向量机(SvM)、分类

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目60575044;国家973重点基础研究发展计划基金项目2003CB716104;国防科技大学基础研究重点基金项目JC06-03-01

在线出版日期：2008-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2859-2862