文献类型：期刊文章

作　　者：梁国富[1] 黄子君[1] 李运德[2]

LIANG Guofu;HUANG Zijun;LI Yunde

机构地区：[1]桂林航天工业学院后勤管理处,广西桂林541004 [2]桂林航天工业学院电子信息与自动化学院,广西桂林541004

出　　处：《桂林航天工业学院学报》

基　　金：广西高校中青年教师科研基础能力提升项目“基于脑机接口的手部智能康复机器人系统关键技术研究”(2022KY0791);国家自然科学基金项目“基于CT影像的亚实性肺结节良恶性预测关键技术研究”(81960324)。

年　　份：2024

卷　　号：29

期　　号：3

起止页码：351-359

语　　种：中文

收录情况：普通刊

摘　　要：针对便携式脑-机接口处理大脑专注度活动时产生的脑电信号存在数据过度拟合,分辨率低等的问题,提出一种基于结合ELM(Extreme Learning Machines,极限学习机)和SVM(support vector machines,支持向量机)的脑电专注度分类器。该方法主要通过设计结合ELM和SVM的模型,实现快速地特征提取和超平面分类结合,提高专注度识别的准确率。首先,设计专注度诱发实验来实现脑电信号采集和自动标注;其次,通过对12位大学生不同类型的专注度信号进行训练;最后,得到平均准确率达到90.61%的结果。经过专注度诱发实验的数据证明,结合ELM和SVM的模型可以很好地识别出专注度信号,相较于传统的机器学习算法有更高的分类准确率。

关 键 词：便携式脑-机接口  专注度分类器  实验范式 训练模型  

分 类 号：TN911.7] R318]