公开(公告)号：CN107174203B

公开(公告)日：2020-06-05

申请号：CN201710323803.4

申请日：2017-05-10

Applicant: 东华大学

Inventor： 任立红 ,  李嘉伟 ,  丁永生 ,  郝矿荣 ,  陈磊

IPC: A61B5/00 ,  A61B5/0476

Abstract: 本发明涉及一种脑电信号的识别方法，首先进行字符实验提取包含P300信号的脑电信号作为训练集，然后利用bagging算法集成多个混合核的支持向量机作为学习器并采用训练集基于免疫算法自适应调整学习器的参数得到最佳参数，最后利用参数为最佳参数的学习器对脑电信号中的P300信号进行识别，其中最佳参数是使得学习器能够准确识别P300信号的参数，准确识别是指12次以上重复实验的准确率为96～98％。本发明的一种脑电信号的识别方法能够根据优化内容智能选择参数，弥补了传统的学习器需要不断调优、交叉验证过程的不足，提高了集成学习器的智能性，且识别性能好、准确率高、整体泛化能力强，具有很好的推广应用价值。

公开(公告)号：CN107174203A

公开(公告)日：2017-09-19

申请号：CN201710323803.4

申请日：2017-05-10

Applicant: 东华大学

Inventor： 任立红 ,  李嘉伟 ,  丁永生 ,  郝矿荣 ,  陈磊

IPC: A61B5/00 ,  A61B5/0476

Abstract: 本发明涉及一种脑电信号的识别方法，首先进行字符实验提取包含P300信号的脑电信号作为训练集，然后利用bagging算法集成多个混合核的支持向量机作为学习器并采用训练集基于免疫算法自适应调整学习器的参数得到最佳参数，最后利用参数为最佳参数的学习器对脑电信号中的P300信号进行识别，其中最佳参数是使得学习器能够准确识别P300信号的参数，准确识别是指12次以上重复实验的准确率为96～98％。本发明的一种脑电信号的识别方法能够根据优化内容智能选择参数，弥补了传统的学习器需要不断调优、交叉验证过程的不足，提高了集成学习器的智能性，且识别性能好、准确率高、整体泛化能力强，具有很好的推广应用价值。