腦電信號分類研究的方法——高斯分類器和支持向量機.pdf_第1頁
已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、腦機接口（BCI）是大腦計算機交互接口的簡稱。完全癱瘓的病人很難實現與外界的交流，BCI就是由這個需要推動而發(fā)展起來的。在過去的10年里，BCI技術獲得了長足的發(fā)展。 BCI系統(tǒng)包括輸入（用戶的電生理活動），輸出（設備命令）和輸入、輸出轉換部分。轉換部分包括信號特征提取和翻譯算法。論文主要研究翻譯算法部分，即分類器。本文使用的分類器是高斯分類器和支持向量機（SVM）。 高斯分類器的訓練和測試過程如下：首先，用自組織映射（

2、SOM）初始化高斯分類器的參數，然后用梯度下降法進行分類器的訓練，得到最終的高斯分類器的參數。最后進行性能測試。研究中使用固定學習率。 20世紀90年代發(fā)展起來的支持向量機方法，也為腦電信號分析提供了新的工具。支持向量機是在統(tǒng)計學習理論的基礎上發(fā)展起來的一種新的學習方法，它已初步表現出很多優(yōu)于已有方法的性能。由于采用了結構風險最小化原則代替經驗風險最小化原則，使得較好的解決了小樣本學習的問題；又由于采用了核函數思想，使它把非線性

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論