基于方差和深度学习的脑电信号分类算法
2017-12-19殷盺,陈宇
黑龙江工程学院学报 2017年6期
殷 盺,陈 宇
(东北林业大学 信息与计算机工程学院,黑龙江 哈尔滨 150040)
基于方差和深度学习的脑电信号分类算法
殷 盺,陈 宇
(东北林业大学 信息与计算机工程学院,黑龙江 哈尔滨 150040)
为了改善传统脑电信号分类不够准确且分类难度较大的问题,研究一种基于方差和深度学习的模型对脑电信号进行分类。针对脑电信号图像识别率较低的问题,采用方差对脑电信号进行特征提取,结合深度学习的一种典型方法——深度信念网络对提取数据进行训练,构建分类器,实现对脑电信号更高效的分类。实验证明,相比于SVM支持向量机、朴素贝叶斯等分类算法,该模型可以更准确地分类。
脑电信号分类;方差;深度学习算法;分类器
一百多年前,德国生物学家汉斯伯格检测到脑电波,此后经过后人前赴后继的研究,脑波检测技术得到空前的发展。脑电波的电位十分微弱,人的大脑在不同的精神状态下会持续不断地输出不同的脑电波。通过采集脑电波并分析,就能够获得一系列的信息。目前,人们对脑电波的采集和开发主要应用在医疗健康、游戏娱乐、特殊教育等领域。随着脑波芯片集成技术的发展,脑波相关产品的多样性也得以提高,这为脑波控制的日常化奠定了技术基础。
随着芯片集成技术的不断成熟,人们也渐渐研发出脑波检测集成芯片。2005年,NeuroSky(神念科技)研发出第一块脑波检测芯片TGAM,之后不到3 a便相继研发出第二代芯片、第三代芯片。这种芯片体积非常小,不需要涂抹凝胶。……
登录APP查看全文
