论文部分内容阅读
为了有效地提取Ｎ２-Ｐ３成分，利用ＩＣＡ对脑电数据进行盲源分离，自动提取Ｎ２-Ｐ３成分；同时为了克服传统方法如支持向量机、神经网络训练时间长、个别识别准确率不够高的缺点，选择极限学习机作为分类器．在模拟阅读实验范式下，记录了７名受试者的脑电数据，利用ＩＣＡ分别对每名受试者的高维脑电数据进行盲源分离，提取出Ｎ２-Ｐ３成分，以此作为靶特征，并与非靶特征一起放入极限学习机分类器进行分类．训练得到７名受试者的训练时间和分类准确率，并与支持向量机进行了比较．结果表明：经过ＩＣＡ特征提取后，使用极限学习机进行分类，该