基于SVM的脑功能分类与识别方法研究

目的探讨SVM分类器用于脑功能识别的可行性、有效性与优越性,为脑电信号处理及功能识别提供一种新的途径和参考。方法对400组实测的正常人在睁眼和闭眼两种状态下的脑电信号,选取四种核函数分别构造四种SVM分类器对上述两种状态下的脑功能进行分类识别,从不同角度深入分析和比较讨论了由四种核函数构造的SVM分类器性能,并提出了脑电信号特征参数从低维到高维的组合变换新方法。结果由RBF核函数构造的SVM分类器最为适合脑功能的分类识别,正识率最高可达96%。结论支持向量机的方法用于脑电信号处理及功能模式识别是可行的、有效的、并初步表现出了优越的性能。