腦電信號(hào)分類研究的方法——高斯分類器和支持向量機(jī).pdf

1、腦機(jī)接口（BCI）是大腦計(jì)算機(jī)交互接口的簡(jiǎn)稱。完全癱瘓的病人很難實(shí)現(xiàn)與外界的交流，BCI就是由這個(gè)需要推動(dòng)而發(fā)展起來(lái)的。在過(guò)去的10年里，BCI技術(shù)獲得了長(zhǎng)足的發(fā)展。 BCI系統(tǒng)包括輸入（用戶的電生理活動(dòng)），輸出（設(shè)備命令）和輸入、輸出轉(zhuǎn)換部分。轉(zhuǎn)換部分包括信號(hào)特征提取和翻譯算法。論文主要研究翻譯算法部分，即分類器。本文使用的分類器是高斯分類器和支持向量機(jī)（SVM）。 高斯分類器的訓(xùn)練和測(cè)試過(guò)程如下：首先，用自組織映射（

2、SOM）初始化高斯分類器的參數(shù)，然后用梯度下降法進(jìn)行分類器的訓(xùn)練，得到最終的高斯分類器的參數(shù)。最后進(jìn)行性能測(cè)試。研究中使用固定學(xué)習(xí)率。 20世紀(jì)90年代發(fā)展起來(lái)的支持向量機(jī)方法，也為腦電信號(hào)分析提供了新的工具。支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來(lái)的一種新的學(xué)習(xí)方法，它已初步表現(xiàn)出很多優(yōu)于已有方法的性能。由于采用了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則代替經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，使得較好的解決了小樣本學(xué)習(xí)的問(wèn)題；又由于采用了核函數(shù)思想，使它把非線性