《表1 不同特征向量平均正确识别率与方差(%)》
本文选择支持向量机(SVM)对左右手运动想象EEG进行分类。从B,C,D,E和G每名受试者的样本数据中,各随机取50组左手运动想象和50组右手运想象样本,合计500组样本作为训练集,余下的500组样本作为测试集。分别将脑功能网络特征(4维)、样本熵(2维)、脑功能网络特征与样本熵的组合(6维)作为特征向量输入SVM对左、右手运动想象EEG进行分类,分类前先对特征向量进行归一化处理,SVM的核函数选择高斯核函数。采用10倍交叉验证确定最佳的惩罚因子c=2.46,核参数g=0.28。为了减小因训练集不同而产生的误差,进行20次分类实验,取20次实验的平均正确识别率。表1为用不同特征向量重复20次分类的平均正确识别率。
图表编号 | XD00193297500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 罗志增、鲁先举、周莹 |
绘制单位 | 杭州电子科技大学智能控制与机器人研究所、杭州电子科技大学智能控制与机器人研究所、杭州电子科技大学智能控制与机器人研究所 |
更多格式 | 高清、无水印(增值服务) |