一种新的注意力相关脑电分类算法设计  

New Attention Related Electroencephalographic Signals Classification Algorithm

作　　者：刘明宇[1] 王珏[1] 燕楠[1] 魏娜[1] 郑崇勋[1] 

机构地区：[1]西安交通大学生命科学与技术学院,西安710049

出　　处：《西安交通大学学报》2005年第10期1162-1164,共3页Journal of Xi'an Jiaotong University

基　　金：国家自然科学基金资助项目(60271025);陕西省科技厅资助项目(2003K10-G24)

摘　　要：提出了一种新的基于支持向量机(SVM)学习机制的注意力相关脑电分类算法.在对脑电信号进行3级小波分解之后,采用主分量分析方法提取主要的特征分量,并且采用SVM方法对其进行分类.在此基础上,依据数据融合理论,对多导分类结果进行综合判断.结果表明,本方法具有良好的鲁棒性,对注意力相关脑电信号分类的准确率可达89%左右,高于单导最优准确率.该方法对注意力缺陷反馈治疗、注意力机制研究等具有较高的实用价值.

关 键 词：支持向量机 数据融合理论 脑电 注意力 

分 类 号：R318.04[医药卫生—生物医学工程]