| 基于异方差混合转移分布模型和支持向量机的脑电分类研究 |
| |
| 引用本文： | 韩敏,葛素楠,洪晓军.基于异方差混合转移分布模型和支持向量机的脑电分类研究[J].中国生物医学工程学报,2012,31(3):476-480. |
| |
| 作者姓名： | 韩敏 葛素楠 洪晓军 |
| |
| 作者单位： | 1. 大连理工大学电子信息与电气工程学部,大连,116023
2. 大连医科大学附属第一医院,大连,116011 |
| |
| 摘 要： | 为解决线性分析和单一非线性动力学指标方法无法准确描述脑电信号的问题,本研究提出基于异方差混合转移分布模型脑电特征提取方法。首先对采集到的脑电信号依据条件期望最大化(ECM)算法建立异方差混合转移分布模型,求得模型条件方差序列的均值及方差作为脑电信号的特征,将得到的脑电信号特征采用支持向量机进行分类。通过对6个人的正常脑电信号和带有眼电伪迹脑电信号进行分类仿真实验,其结果表明该方法能很好地拟合出脑电信号,且分类精确度能达到99.166 7%,说明此方法可有效提取脑电特征并准确识别出眼电伪迹。
|
| 关 键 词： | 脑电信号 眼电伪迹 异方差混合转移模型 特征提取 支持向量机 |
Classification of EEG Signal Based on Heteroscedastic Mixture Transition Distribution Model and Support Vector Machine |
| |
| HAN Min
,
GE Su-Nan
,
HONG Xiao-Jun.Classification of EEG Signal Based on Heteroscedastic Mixture Transition Distribution Model and Support Vector Machine[J].Chinese Journal of Biomedical Engineering,2012,31(3):476-480. |
| |
| Authors: | HAN Min GE Su-Nan HONG Xiao-Jun |
| |
| Institution: | 1(School of Electronic and Information Engineering,Dalian University of Technology,Dalian,116023,China) 2(First Affiliated Hospital of Dalian Medical University,Dalian 116011,China) |
| |
| Abstract: | |
| |
| Keywords: | EEG ocular artifact heteroscedastic mixture transiton distribution model feature extraction support vector machine |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
