基于Fisher+Fuzzy算法提高SSVEP脑电信号分类

杜秀兰¹，张进²，毛晓前¹，张凯莉¹，李伟^1,2,3

1. 天津大学电气自动化与信息工程学院2. 中国科学院沈阳自动化研究所机器人学国家重点实验室3. 加州州立大学贝克斯菲尔德分校计算机科学与电子工程系

摘 要：为了提高脑-机接口（Brain-ComputerInterface,BCI）系统中基于稳态视觉诱发电位（Steady-stateVisualEvokedPotentials,SSVEP）信号的分类准确率,提出了一种新的基于Fisher+Fuzzy的分类算法。该算法首先对提取的脑电特征利用Fisher算法得到最佳投影方向和阈值,然后对样本点到最佳超投影面的距离d进行模糊化,再通过模糊推理确定分类结果。该分类算法改善了在SSVEP分类中使用单一Fisher分类器难以对多分类问题中处于歧义区的样本进行有效分类的问题。结果显示在SSVEP的三、四、五分类中,Fisher+Fuzzy分类器取得了94.72%,92.18%,86.08%的平均分类准确率,高于单一Fisher分类器90.07%,80.60%,74.42%的平均准确率,对具有较低可分性的数据集进行分类时准确率显著提高。

关键词：脑-机接口;稳态视觉诱发电位;Fisher;Fuzzy;