| 基于支持向量機(jī)和PCA的腦電α波運(yùn)動(dòng)想象分類研究 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：699 K | |
| 標(biāo)簽： 小波包分解 支持向量機(jī) 運(yùn)動(dòng)想象 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對(duì)腦電信號(hào)(EEG)運(yùn)動(dòng)想象分類過(guò)程中弱相關(guān)特征量影響分類準(zhǔn)確度的問(wèn)題，提出一種篩選方法，該方法是基于α波和主成分分析(PCA)算法的。基于腦機(jī)接口(BCI)系統(tǒng)，通過(guò)聽(tīng)覺(jué)誘發(fā)刺激產(chǎn)生向左和向右兩種運(yùn)動(dòng)想象任務(wù)對(duì)應(yīng)的腦電信號(hào)，并對(duì)其做小波包分解處理，然后進(jìn)行腦電α頻段信號(hào)的重構(gòu)，從而提取出α波形并對(duì)其進(jìn)行統(tǒng)計(jì)特征提取。再結(jié)合PCA技術(shù)和支持向量機(jī)(SVM)方法，實(shí)現(xiàn)弱相關(guān)特征的剔除和特征分類。根據(jù)篩選后的數(shù)據(jù)進(jìn)行分類，所得結(jié)果準(zhǔn)確率更高，信號(hào)分類的準(zhǔn)確度由90.1%提高至94.0%。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
小波包分解 相關(guān)資源
aetmagazine 的最新分享
- 國(guó)產(chǎn)高性能PLC綜合測(cè)試平臺(tái)設(shè)計(jì)
- 批產(chǎn)衛(wèi)星自動(dòng)化測(cè)試系統(tǒng)研究與實(shí)現(xiàn)
- 基于VMD-LSTM的非侵入式負(fù)荷識(shí)別方法
- 基于平均電流模式的同步Buck數(shù)字電源設(shè)計(jì)研究
- 基于以太網(wǎng)的FPGA遠(yuǎn)程調(diào)試系統(tǒng)設(shè)計(jì)
- 毫米波CQFN外殼地孔設(shè)計(jì)與優(yōu)化
- K波段緊湊型收發(fā)前端組件的設(shè)計(jì)
- 射頻模塊中晶振對(duì)電磁兼容影響研究
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2