脑电信号的小波特征提取及半监督识别方法的研究

摘要：

特征提取和特征分类是脑机接口中模式识别过程中两个关键的环节.首先,针对脑电信号的非平稳特性,提出基于小波变换系数、系数均值及小波熵相结合的特征提取方法,该方法在特征中加入了脑电信号的能量信息.实验证明,通过该方法获取的P300信号特征量能够更好地表达脑电信号中的瞬变成分,进一步提高了识别率;其次,在模式识别方面,改进了基于自训练半监督的支持向量机算法和基于自训练半监督的K均值聚类算法.在BCI2003竞赛数据集上的实验表明,相比于传统的BP神经网络,两种改进的分类算法在获得了更高的识别率的同时,能够将特征量维数降低一个数量级,明显提高了训练收敛速度,有效增加了基于脑电信号的实时BCI系统的可实现性.

关键词：特征提取、皮层慢电位、模式识别、半监督学习、神经网络

所属期刊栏目：29

分类号：R318(医用一般科学)

资助基金：国家自然科学基金资助项目60940023,60872122

在线出版日期：2010-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：648-653