论文部分内容阅读
传统Farwell虚拟字符矩阵BCI中仅采用少数中线导联上的EEG特征进行识别,由于识别信息量较为有限,导致识别效率不高.为此,引入了一种支持向量机特征优化方法,采用扰动支持向量机代价函数的方法评价特征对于分类的贡献,进而优选出适于识别的特征组合.对6位受试者每人各采集80个字符的Farwell虚拟矩阵刺激任务脑电数据,经支持向量特征优化方法进行识别,获得良好的识别效果(识别错误率0.9%).研究表明,支持向量机特征优化方法具有较好的特征选择效果,适用于高特征维度的脑机交互诱发脑电信号降维处理.