基于ELM-SVM的脑电专注度分类器关键技术研究

针对便携式脑-机接口处理大脑专注度活动时产生的脑电信号存在数据过度拟合,分辨率低等的问题,提出一种基于结合ELM(Extreme Learning Machines,极限学习机)和SVM(support vector machines,支持向量机)的脑电专注度分类器。该方法主要通过设计结合ELM和SVM的模型,实现快速地特征提取和超平面分类结合,提高专注度识别的准确率。首先,设计专注度诱发实验来实现脑电信号采集和自动标注;其次,通过对12位大学生不同类型的专注度信号进行训练;最后,得到平均准确率达到90.61%的结果。经过专注度诱发实验的数据证明,结合ELM和SVM的模型可以很好地识别出专注度信号,相较于传统的机器学习算法有更高的分类准确率。