基于支持向量機(jī)的多類意識任務(wù)分類方法研究.pdf

1、本文圍繞基于腦電的BCI系統(tǒng)中的意識任務(wù)分類問題，在特征提取與降維、核函數(shù)與核參數(shù)的選擇、多類分類器設(shè)計(jì)等幾個(gè)關(guān)鍵技術(shù)方面進(jìn)行了較為深入的研究。 論文首先介紹了腦電信號分類的背景、研究現(xiàn)狀及其科學(xué)意義，統(tǒng)計(jì)學(xué)習(xí)理論及支持向量機(jī)算法的基本理論。為了討論核參數(shù)的選擇，本文首先研究了核參數(shù)的變化規(guī)律，然后提出了采取“粗調(diào)加細(xì)調(diào)”的方法來快速的尋找最優(yōu)參數(shù)組合的方法，更適于實(shí)際應(yīng)用。 在對高維腦電特征向量進(jìn)行降維處理時(shí)，由于特征

2、提取是通過某種映射來達(dá)到數(shù)據(jù)壓縮的目的，這種方法會破壞特征向量原有的物理意義，使得構(gòu)造的新的特征向量可理解性差，不利于分類。因此本文通過特征選擇對最佳電極組合和EEG特征進(jìn)行了選擇。 為了解決多分類問題，本文在對現(xiàn)有的多類分類方法簡要敘述的基礎(chǔ)上，針對他們的優(yōu)缺點(diǎn)，將基于類分布的決策樹與SVM結(jié)合，提出了一種改進(jìn)的支持向量機(jī)多類分類方法——基于類分布的決策樹SVMs分類器。為了降低決策樹“誤差累積”效應(yīng)的影響，用基于類分布的可分