基于ELM-SVM的脑电专注度分类器关键技术研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对便携式脑-机接口处理大脑专注度活动时产生的脑电信号存在数据过度拟合,分辨率低等的问题,提出一种基于结合 ELM(Extreme Learning Machines,极限学习机)和 SVM(support vector machines,支持向量机)的脑电专注度分类器.该方法主要通过设计结合ELM和SVM的模型,实现快速地特征提取和超平面分类结合,提高专注度识别的准确率.首先,设计专注度诱发实验来实现脑电信号采集和自动标注;其次,通过对12位大学生不同类型的专注度信号进行训练;最后,得到平均准确率达到90.61％的结果.经过专注度诱发实验的数据证明,结合ELM和SVM的模型可以很好地识别出专注度信号,相较于传统的机器学习算法有更高的分类准确率.

作者：

梁国富、黄子君、李运德

展开 >

作者单位：

桂林航天工业学院后勤管理处,广西桂林 541004

桂林航天工业学院电子信息与自动化学院,广西桂林 541004

关键词：

便携式脑-机接口专注度分类器实验范式训练模型

出版年：

2024

桂林航天工业学院学报

桂林航天工业学院

桂林航天工业学院学报

影响因子：0.288

ISSN：2095-4859

年,卷(期)：2024.29(3)