Show simple item record

dc.contributor.author黄志华
dc.contributor.author李明泓
dc.contributor.author马原野
dc.contributor.author周昌乐
dc.date.accessioned2015-10-13T01:45:18Z
dc.date.available2015-10-13T01:45:18Z
dc.date.issued2011-05-19
dc.identifier.citation生物化学与生物物理进展,2011, 38(9): 866~871zh_CN
dc.identifier.issn1000-3282
dc.identifier.urihttp://dx.doi.org/10.3724/SP.J.1206.2011.00123
dc.identifier.urihttps://dspace.xmu.edu.cn/handle/2288/93778
dc.description.abstract准确对事件诱发电位(ERPs)进行分类,对于各种人类认知研究和临床医学评估非常有意义.由于ERPs 信号是非常高维的数据,而且其中包含非常多的与分类无关的信息,从ERPs 信号中提取特征尤显重要.分析了共空间模式(CSP)的原理和不足,引入自回归(AR)模型与白化变换相结合,提出了针对ERPs 分类的时空特征提取方法,并设计了验证该方法的认知实 验,在认知实验数据上分别用时空特征提取方法与CSP 提取特征,用同样的分类器支持向量机(SVM)训练分类器,比较它们的分类效果.实验表明,在ERPs分类问题上,时空特征提取方法与CSP相比具有明显的优势,在参数确定合理的情况下,时空特征提取方法可使分类准确率达到90%以上.zh_CN
dc.description.sponsorship福州大学科技发展基金(2009-XQ-25)资助项目.zh_CN
dc.language.isozhzh_CN
dc.publisher《生物化学与生物物理进展》编辑部zh_CN
dc.subjectERPs信号分类zh_CN
dc.subject时空特征提取法zh_CN
dc.subject共空间模式zh_CN
dc.subject支持向量机zh_CN
dc.title事件诱发电位信号分类的时空特征提取方法zh_CN
dc.typeArticlezh_CN


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record