基于频带能量归一化和svm-rfe的ecog分类

《基于频带能量归一化和svm-rfe的ecog分类》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第32卷第3期仪器仪表学报VoJ．32No．32011年3月ChineseJournalofScientificInstrumentMar．2011基于频带能量归一化和SVM．RFE的ECoG分类刘冲，赵海滨，李春胜。，王宏(1东北大学机械T程与自动化学院沈阳110004；2东北大学中荷生物医学与信息丁程学院沈阳11OOO4)摘要：针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocorticographic，ECoG)信号的分类问题，对BCI2005竞赛数据集I中的ECoG信号使用

2、频带能量(bamtpower，BP)归一化算法提取运动相关电位(movementrelatedpotential，MRP)、／x节律和

3、B节律的频带能量作为特征。针对特征提取后维数较高的问题，使用基于支持向量机的回归特征消去(supportvectormachinerecursivefeatureelimination，SVM—RFE)算法进行特征选择，通过对训练数据集使用10段交叉验证(crossvalidation，CV)的方法寻找最佳特征组合，确定特征在维数为6时具有最低平均识别错误率，对

4、测试数据集采用同样的方法和同样的组合进行特征提取，并使用线性支持向量机进行分类，分类正确率可以达到93％。关键词：皮层脑电；频带能量；归一化；支持向量机；回归特征消去；交叉验证中图分类号：R318文献标识码：A国家标准学科分类代码：310．61ECoGclassificationbasedonbandpowernormalizationandSVM—RFELiuChong，ZhaoHaibin，LiChunsheng，WangHong(JSchoolofMechanicalEngineering

5、&Automation，NortheasternUniversity，Shenyang110004，China；2Sine—DutchBiomedicalandInformationEngineeringSchool，NortheasternUniversity，Shenyang110004，China)Abstract：AimingattheECoGclassificationofdifferentimaginedmovementsofleftlittlefingerandtongue，BP(

6、bandpower)normalizationalgorithmwasusedtoextractMRP(movementrelatedpotentia1)，rhythmandprhythmfromtheECoGinBCI2005competitivedatasetI．Inordertocutdownthehighdimensionsoftheextractedfeatures．SVM—RFEwasusedtoselectthefeaturesthataremoresuitableforthecl

7、assification．Anda10一foldcrossvalidationofthetrainingdatasetwascarriedouttosearchtheoptimumfeaturecombination，thebestfeaturedimen—sionsof6wasdeterminedaccordingtothemeanclassificationaccuracyofeachdimension．Then，alltheselectedfeatureswerefedintoalinea

8、rSVMtotrainamode1．whichcouldbeusedtopredictthe1abelsofthefeaturesalSOse—lectedbythesamewayfromthetestingdataset．AndthefinalclassificationaccuracyiS93％．Keywords：ECoG；bandpower；normalization；SVM；RFE；crossvalidation信号相比具有信号干扰小、信号明显、信噪比高的特点，1引言对于提高BCI研究中

9、信号识别准确率有很大作用，因此受到学者们的广泛关注。而在所有基于ECoG的BCI研脑．机接口(braincomputerinterface，BCI)的研究主究中，关键问题仍然是如何能够快速合理地提取脑电信要是通过提取大脑在进行特定功能思维过程中脑电信号号中的特征，并将这些特征正确地分类并传达给设备，在的特征，并利用这些特，征生成一系列命令，通过这些命令这一过程中包括共空间模式、小波变换、自适应模型系达到人脑控制外部设备的目的。而在所有BCI的研究数、以及功率谱密度等方法的应用都使得基于ECoG的