基于SPSS的贝叶斯逐步线性判别法在煤炭种类识别中的应用

利用统计软件SPSS的逐步判别分析功能筛选出判别无烟煤、烟煤、褐煤的主要指标——氢含量和氧含量,以该指标为变量建立贝叶斯逐步线性判别函数,并采用该函数分别对建模样本和测试样本进行识别。识别结果显示:基于SPSS软件的贝叶斯逐步线性判别法的分类识别结果正确率为100%,优于模糊识别等算法。SPSS软件具有建模速度快、易操作、精确度高等优点,值得推广和应用。

用于脑机接口的训练样本集扩增方法

在脑机接口技术研究中,为有效提高脑电信号分类正确率,提出了一种样本容量扩增方法。该方法将一组脑电数据的所有电极数据值增加一倍,然后与原始数据一起作为样本数据进行训练,这种方法不但增加了样本容量,而且进一步提高了训练的收敛速度及测试结果的可靠性。用贝叶斯线性判别法对脑机接口行列闪范式下公共数据扩增前后的样本进行训练和测试,在两种类别的数据中将数据在直线上进行投影。经研究发现投影后每一种样本扩增数据的投影点比原始数据的投影点更接近,两种类别的数据的类别中心点也更大,分类效果更好,平均正确率相比原始公共数据平均正确率有了显著性的提高。研究表明这种用于脑机接口的训练样本集扩增方法能显著提高脑电信号分类正确率。通过实例验证了所提出的样本扩增方法的有效性,为样本容量不足提供了可行的解决方法。

脑机接口中脑电信号的特征提取和模式分类

从智能处理与不确定性的角度,探讨了脑机接口中的核心问题-EEG模式特征的识别和分类.针对EEG模式分类中所存在的不确定性问题,从EEG的特征提取和分类模型构建两个方面进行了分析,并提出了解决问题的方法和对策.以P300成分为例,从导联选择、滤波处理和时间窗处理三方面进行特征提取,采用贝叶斯线性判别分析的方法进行模式分类.最后以第三届脑机接口竞赛P300字符输入的数据为实验,分别采用3种不同的方法进行数据分析,通过分类准确率和不同重复次数下性能的比较,实验结果表明了本文特征提取和模式分类方法的有效性.