《表3 不同EEG特征上RSVP事件二分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《RSVP与SSVEP混合脑电信号刺激与多类事件检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

四种分类器在五种EEG特征上进行RSVP目标/非目标两类事件分类的结果如表3所示。其中，BT分类器在五种特征上的分类准确率最高，均达到了100%。SVM分类器在时域与频域组合特征上的分类准确率均达到了98.8%，比单个时域特征（raw与norm）上的最好分类性能94.8%高出4%；在时域特征上的分类准确率比频域PSD特征上的分类准确率高出5.3%。LDA分类器在时域与频域组合特征上的分类准确率均为78.4%，比单个时域特征（raw与norm）上的最好分类性能77.2%高出1.2%；在时域特征上的分类准确率比频域PSD特征上的分类准确率高出6.6%。只有BLDA分类器的分类性能较低，在norm时域特征上的分类性能最优，为59.5%。综合来看，BT、SVM与LDA三种分类器的结果具有一致性而且分类性能较高，表明通过机器学习的方法可以对本文组合范式刺激的EEG数据进行RSVP事件的准确分类。