基于多指标融合小波包分解与SVM的脑磁信号分类 |
| |
引用本文: | 林娟.基于多指标融合小波包分解与SVM的脑磁信号分类[J].数学的实践与认识,2018(5). |
| |
作者姓名: | 林娟 |
| |
作者单位: | 福建师范大学福清分校电子与信息工程学院; |
| |
摘 要: | 脑磁信号作为一种新的脑机接口输入信号,由于其信号微弱,背景噪声强,是一种随机性很强的非平稳信号.所以在引进了小波包分解基础上,利用多指标融合方法确定最佳分解尺度后,把该尺度下的分解系数作为脑磁信号的特征向量,并利用三种不同核函数的支持向量机对该特征向量进行学习选出最佳参数,然后对含有手运动方向模式信息的脑磁信号进行测试,并与其他5种算法进行比较,其平均分类正确率低于PCA与LDA融合的方法和改进半监督聚类方法,但超过了EMD与AR融合的方法,EMD与Hillbert变换融合的方法以及MVAR与MPCA融合的方法.实验表明了算法在非高斯、含噪声的脑磁信号分类是有效.
|
关 键 词: | 脑磁信号分类 小波包分解 支持向量机 |
Magnetic Signal Classification Based Multiple Indicator Fusion Wavelet Packet Decomposition and SVM |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|