【摘要】 本发明涉及一种基于通道加权支持向量的运动想象脑电分类方法。本发明首先获取多通道运动想象脑电信号，其次在各通道脑电信号两两之间相关性分析基础上建立各通道的权重模型，然后将权重模型嵌入到通道加权支持向量机的原始优化问题中，对不同通道的输入数据赋予不同的权值，最后在两类分类算法基础上设计通道加权支持向量多类分类方法，自动地实现通道选择，提高多运动想象任务分类的准确性。该方法在脑-机接口领域具有广阔的应用前景。 【专利类型】发明授权 【申请人】杭州电子科技大学 【申请人类型】学校 【申请人地址】310018 浙江省杭州市下沙高教园区2号大街 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】上城区 【申请号】CN201210190008.X 【申请日】2012-06-11 【申请年份】2012 【公开公告号】CN102722728B 【公开公告日】2014-05-28 【公开公告年份】2014 【授权公告号】CN102722728B 【授权公告日】2014-05-28 【授权公告年份】2014.0 【IPC分类号】G06K9/62 【发明人】佘青山; 罗志增; 马玉良; 席旭刚 【主权项内容】基于通道加权支持向量的运动想象脑电分类方法，其特征在于该方法包括如下步骤：步骤(1).获取多通道运动想象脑电信号，具体是：采用多导联电极帽采集不同运动想象实验范式下的脑电信号；步骤(2).建立通道权重模型，具体是：首先根据公式(1)计算各通道脑电信号之间的欧氏距离，并找出所有欧式距离中的最小值，然后计算各通道采集到的脑电信号与最小欧氏距离对应通道的脑电信号均值之间的欧氏距离，最后根据公式(2)计算得到各通道的权重系数；dij=Σ k=1T(xki-xkj)2T, ]]>i, j=1, 2, …, M且i≠j(1)duv=argmindij, i, j=1, 2, …, M且i≠j其中，M为通道总数，与分别为通道i和j在第k个采样点的EEG数据值，T为信号序列长度，dij为通道i和j脑电信号之间的欧氏距离，duv为所有欧式距离中的最小值，u和v为最小欧氏距离对应的两个通道号，u∈{1, 2, …, M}, v∈{1, 2, …, M}；σ m=TΣ k=1T(xkm-x‾ uv)2+τ m, m=1, 2, ..., m]]>(2)x‾ uv=1TΣ k=1Txku+xkv2]]>其中，为最小欧氏距离对应的两个通道u、v采集到的脑电信号的平均值，σm为通道m的权重系数，τm为调节因子，使得成立；步骤(3).构建通道加权支持向量分类算法；通道加权支持向量机引入了新的超参数——通道的权重系数，在Lagrange乘子空间完成具有混合约束的非线性规划求解，实现通道加权支持向量两类分类方法；对于一个两类的模式识别问题，n维欧氏空间的训练样本集l为样本数，xi∈Rn为输入值，yi∈{+1, -1}为类标号；通道加权支持向量机的原始优化问题如公式(3)所示，是一个具有混合约束的非线性规划问题；minv, b, ξ 12 【当前权利人】夏津会盟建设工程有限公司 【专利权人类型】公立 【统一社会信用代码】12330000470009026T 【家族引证次数】4.0 【家族被引证次数】27

未经允许不得转载：http://www.zhongzhencnc.com/1791481695.html