基于DBN结合SVM的脑电信号识别研究
作者:
张毅
[1]
陈永强
[2]
蔡军
[2]
关键词:
脑电信号
深度信任网络
支持向量机
模式识别
摘要：
针对多类脑电信号识别率不高的问题,提出一种深度信任网络(Deep Belief Network,DBN)与支持向量机(Support Vector Machine,SVM)结合的方法.将采集的想象左手、右手、双脚以及舌头运动的四类脑电信号数据作为训练样本训练DBN网络,以得到其最优参数值.用训练好的DBN网络进行特征提取,采用SVM对提取的特征进行分类,在MATLAB上对该算法进行仿真实验测试.实验结果表明,使用该方法分析四类运动想象脑电信号具有较高的识别率,证明了该方法的有效性.
上一篇： 基于FM-MRW特征的剪纸纹样回声状态网络识别
下一篇： 一种面向新文章的个性化推荐算法研究