基于脑电的意识活动特征提取与识别-中国学术期刊网络出版总库

中国学术期刊网络出版总库

关闭

基于脑电的意识活动特征提取与识别

推荐 CAJ下载

PDF下载

【英文篇名】	Mental task classification based on adaptive autoregressive model and support vector machine
【下载频次】	★★★★★
【作者】	高湘萍; 吴小培; 沈谦;
【英文作者】	GAO Xiang-ping; WU Xiao-pei; SHEN Qian(School of Computer Science and Technology; Anhui University; Hefei 230039; China);
【作者单位】	安徽大学计算机科学与技术学院; 安徽大学计算机科学与技术学院安徽合肥; 安徽合肥;
【文献出处】	安徽大学学报(自然科学版) , Journal of Anhui University(Natural Sciences), 编辑部邮箱 2006年 02期期刊荣誉：中文核心期刊要目总览 ASPT来源刊 CJFD收录刊
【中文关键词】	脑电; 意识任务; 自适应自回归(AAR)模型; 支持向量机(SVM);
【英文关键词】	EEG; mental task; adaptive autoregressive(AAR) model; support vector machine(SVM);
【摘要】	基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.
【英文摘要】	Considering the non-stationarity of EEG signals,AAR(adaptive autoregressive) model is proposed to extract features from it,the model is applied to EEG signals recording from one subject performing two different mental tasks.The resulting features are sent to a surport vector machine(SVM) classifier,for training and testing,and the result is perfect.Experiments turn out that SVM classifier can get good results for different mental tasks classification.
【基金】	国家自然科学基金资助项目(60271024); 安徽省人才开发基金资助项目(2004Z028)
【更新日期】	2006-04-21
【分类号】	TP399
【正文快照】	BCI—brain computer interface,即脑机接口[1],是一种新型的人机通信方式,近年来得到了稳步发展。它运用采集自头皮的EEG信号,通过计算机来进行处理,并对不同的意识活动进行区分,利用其输出来帮助用户控制某种应用,如简单的字处理和矫正术等,这为那些有运动功能障碍而意识清醒

xxx

【相似文献】

中国期刊全文数据库

中国优秀硕士学位论文全文数据库

中国博士学位论文全文数据库

中国重要会议论文全文数据库

中国重要报纸全文数据库

中国学术期刊网络出版总库

点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。

【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　

自动化技术、计算机技术
　　

计算技术、计算机技术
　　　

计算机的应用
　　　　

在其他方面的应用


	CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）京ICP证040431号互联网出版许可证新出网证（京）字008号

相似文献

文献分类导航