基于DBN结合SVM的脑电信号识别研究
来源期刊:控制工程2018年第6期
论文作者:张毅 陈永强 蔡军
文章页码:1007 - 1011
关键词:脑电信号;深度信任网络;支持向量机;模式识别;
摘 要:针对多类脑电信号识别率不高的问题,提出一种深度信任网络(Deep Belief Network,DBN)与支持向量机(Support Vector Machine,SVM)结合的方法。将采集的想象左手、右手、双脚以及舌头运动的四类脑电信号数据作为训练样本训练DBN网络,以得到其最优参数值。用训练好的DBN网络进行特征提取,采用SVM对提取的特征进行分类,在MATLAB上对该算法进行仿真实验测试。实验结果表明,使用该方法分析四类运动想象脑电信号具有较高的识别率,证明了该方法的有效性。
张毅1,陈永强2,蔡军2
1. 重庆邮电大学先进制作工程学院2. 重庆邮电大学自动化学院
摘 要:针对多类脑电信号识别率不高的问题,提出一种深度信任网络(Deep Belief Network,DBN)与支持向量机(Support Vector Machine,SVM)结合的方法。将采集的想象左手、右手、双脚以及舌头运动的四类脑电信号数据作为训练样本训练DBN网络,以得到其最优参数值。用训练好的DBN网络进行特征提取,采用SVM对提取的特征进行分类,在MATLAB上对该算法进行仿真实验测试。实验结果表明,使用该方法分析四类运动想象脑电信号具有较高的识别率,证明了该方法的有效性。
关键词:脑电信号;深度信任网络;支持向量机;模式识别;