基于同步似然的脑电分类方法研究_中国煤炭行业知识服务平台

基于同步似然的脑电分类方法研究

作者

曹锐武政相洁李聪改陈俊杰
单位

太原理工大学计算机科学与技术学院
摘要

脑电数据的分类方法一直是疾病诊断、脑机接口等研究的热点,其关键在于分类特征的选择。目前的分类特征(例如样本熵)多基于单个通道,而近期研究报道脑电通道之间存在着相互作用。因此,本文采用了同步似然性作为新的分类特征,并利用SVM分类算法在两组脑电数据上进行了验证。结果表明,同步似然性作为分类特征的结果优于样本熵,可在脑电数据分类中得到更广泛应用。
关键词

脑电信号同步似然样本熵特征识别 SVM分类
基金项目(Foundation)

国家自然科学基金资助项目(61170136,61373101)；山西省自然科学基金资助项目(2011011015-4)；北京市博士后工作经费资助项目(Q6002020201201)；
相关文章

[1]情感识别中脑电信号Lempel-Ziv复杂度的研究
[2]基于无线脑电信号分析的实时疲劳驾驶检测与预警研究