首页 / 院系成果 / 成果详情页

基于SVM集成学习的认知障碍脑电分类研究期刊论文

编号：

40e7678c-5a0d-445a-8298-bf8a54ee0815
作者：

李晓欧[1]#张科[2];周志勇[3];
地址：

[1]上海健康医学院医疗器械学院
[2]上海诺诚电气股份有限公司
[3]华东理工大学
语种：

中文
期刊：

大陆桥视野 ISSN：1671-9670 2017 年 12 期 (89 - 90)
收录：
关键词：

认知障碍小波变换支持向量机集成脑计算机接口
摘要：

目的:提出了一种基于小波特征提取的支持向量机集成分类算法,用于脑卒中后认知障碍病人的识别.方法:首先由Infomax独立分量分析算法去除脑电信号中的干扰成分;然后利用db4小波基提取认知电位P300特征波,并进行叠加平均;最后将特征量基于Bagging算法送入支持向量机基分类器进行集成学习,通过最大投票法得到分类结果.结果:实验结果表明,该算法分类效果好,平均分类精度为85.71%.结论:较单个支持向量机分类器,识别性能好,实现了认知障碍脑电信号的有效分类.
推荐引用方式
GB/T 7714：

李晓欧[1],张科[2],周志勇[3], 等. 基于SVM集成学习的认知障碍脑电分类研究 [J].大陆桥视野,2017(12):89-90.
APA：

李晓欧[1],张科[2],周志勇[3].(2017).基于SVM集成学习的认知障碍脑电分类研究 .大陆桥视野(12):89-90.
MLA：

李晓欧[1], et al. "基于SVM集成学习的认知障碍脑电分类研究" .大陆桥视野,12(2017):89-90.

浏览次数：6  下载次数：0

浏览次数：6

下载次数：0

打印次数：0

基于SVM集成学习的认知障碍脑电分类研究 期刊论文