《表4 RSVP与SSVEP组合事件五分类结果》

  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

四种分类器在不同EEG特征上进行五类事件分类的结果如表4所示。其中，BT分类器在时频域组合特征freq+raw上取得了最优分类性能92.5%，比单个特征上的最优性能80.6%高出11.9%，在freq+norm组合特征上的分类准确率也达到了92.2%。其次SVM分类器在组合特征freq+norm上取得了最优分类准确率85.7%，比单个特征上的最优准确率74.8%高出10.9%。而BLDA与LDA分类器的多分类性能较低，LDA在freq+norm组合特征上取得最优分类准确率为64.7%，比单个特征上的最优分类准确率44.2%高出20.5%；BLDA在freq+raw组合特征上取得最优分类准确率49.7%，比单个特征上的最优分类准确率48.9%高出0.8%。由此可见，利用BT与SVM分类器在本文采集的EEG数据的时域与频域组合特征上，可以对RSVP与SSVEP组合事件进行准确的分类预测。同时也说明本文采集的EEG数据具有较高的可分性，本文提出的RSVP与SSVEP相结合的EEG刺激方法具有一定的研究价值与潜力。