用于脑-机接口P300实验的支持向量机分类方法  

Classification with support vector machines for P300 spelling experiments in brain-computer interface

作　　者：葛瑜[1] 刘杨[1] 周宗潭[1] 胡德文[1] 

机构地区：[1]国防科技大学机电工程与自动化学院

出　　处：《计算机工程与设计》2008年第11期2857-2858,2867,共3页Computer Engineering and Design

基　　金：国家自然科学基金项目(60575044);国家973重点基础研究发展计划基金项目(2003CB716104);国防科技大学基础研究重点基金项目(JC06-03-01)

摘　　要：脑-机接口(BCI)技术利用脑电来实现无动作的人机交互。P300字符拼写范式是利用脑电信号实现文字选择输入的一种重要BCI实验范式,它通过对EEG中的P300信号的检测和识别,来推断试验对象(被试)对字母的注意选择。以2005年脑-机接口竞赛中的一组P300字符拼写实验数据为处理对象,采用支持向量机(SVM)的机器学习方法进行算法设计,对信号通道进行了筛选,并采用较少的EEG通道数据进行处理。另外,通过调整参与训练的数据集大小,扩大了SVM中参数的取值范围,更有利于分类器设计。通过上述策略,提高了该BCI实验范式中的系统总体分类精度。上述方法对于测试集字符最佳识别正确率可达到89%,相比于我们参加该届竞赛时所用的线性分类器(LDA),字符识别正确率提高了3%。A blind separation algorithm based on ICA and wavelet domain is proposed, First, scrambled watermark signal multiplied appropriate coefficient, then it is embedded in 2 level wavelet approximation of original, By using FAST ICA watermark is separated from the watermarked image without original. A great deal experiments demonstrate recomposed image has better imperceptibility and watermark could also be effectively detected even thought watermarked image signal is attacked by some strong interference and signal processing.

关 键 词：脑-机接口(BCI) 脑电(EEG) P300拼写范式 支持向量机(SVM) 分类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]