遺傳算法和BP網(wǎng)絡(luò)相結(jié)合的分類器在BCI中的應(yīng)用.pdf

1、腦電信號(hào)的分類是腦機(jī)接口中的關(guān)鍵問題。因?yàn)槟X電的個(gè)體差異較大、信號(hào)幅度微弱，又是非平穩(wěn)的時(shí)變信號(hào)，所以對(duì)其進(jìn)行特異性分析總結(jié)是比較復(fù)雜的工作。提高腦電信號(hào)分類的準(zhǔn)確率在臨床和科研中有十分重要的意義。 本文研究了一種基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的BCI 分類器，利用遺傳算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式進(jìn)行網(wǎng)絡(luò)的學(xué)習(xí)。首先從原始的腦電信號(hào)中提取出多種時(shí)頻和功率特征，構(gòu)成候選特征集合；其次從中隨機(jī)生成一批特征向量，每個(gè)特征向量都是候選特征

2、集合的一個(gè)子集；然后把這些特征向量作為遺傳算法的初始種群。在逐代的演化中，用BP神經(jīng)網(wǎng)絡(luò)計(jì)算出種群中個(gè)體的適應(yīng)度；最后選擇其中適應(yīng)度最高的特征向量，從而排除了冗余特征，得到了能夠代表腦電信號(hào)特異性的特征組合。 本文主要在以下三個(gè)方面進(jìn)行了重點(diǎn)研究： 1) 利用遺傳算法啟發(fā)式快速搜索能力和BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)自適應(yīng)能力，實(shí)現(xiàn)了二者相結(jié)合的解題模型，并且在2003年BCI 競(jìng)賽所提供的數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了該解題模型的有效

3、性，比單純使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別可以提高10％左右的正確率。 2) 通過實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了Kolmogorov 定理中關(guān)于三層前饋網(wǎng)絡(luò)的隱藏層結(jié)點(diǎn)的數(shù)目確定問題。 3) 進(jìn)行了棘波識(shí)別的仿真實(shí)驗(yàn)，也驗(yàn)證了使用遺傳算法優(yōu)選特征在癲癇檢測(cè)方面的有效性。腦電信號(hào)的識(shí)別分類是個(gè)很復(fù)雜的問題，對(duì)其特異性的尋找需要小心精巧的分析、大量的實(shí)驗(yàn)求證和多種信號(hào)分析方法的綜合使用。 本文使用遺傳算法選擇有效腦電特征，排除無效特征，