模式分类算法

模式分类算法(中文6000字,英文PDF)
摘要
模式分类算法是开发脑机接口（BCI）应用程序的关键步骤。本文提出了一种分层支持向量机（HSVM）算法来解决基于脑电图的四级运动图像分类任务。小波包变换用于分解原始EEG信号。此后，对具有有效频率子带的EEG信号进行分组和重构。从重建的EEG信号中提取EEG特征向量，其中一个与其余的公共空间模式（OVR-CSP）和一个对一个公共空间模式（OVO-CSP）。然后，设计两层HSVM算法用于分类这些EEG特征向量，其中“OVO”分类器用于第一层，“OVR”用于第二层。公共数据集（BCI竞争IV-II-a）用于验证所提出的方法。五重交叉验证结果表明，第一层和第二层的平均分类准确度分别为67.5 17.7％和60.3 14.7％。分类的平均准确度为64.4 16.7％。这些结果表明，该方法对四级运动图像分类有效。
关键词：脑电图（EEG）；运动想象；常见空间模式；分层支持向量机（HSVM）