基于LVQ的自发脑电信号的分类研究

为了识别在不同思维状态下的自发脑电(EEG)信号 ,本文用6阶自回归(AR)模型表示EEG信号 ,用学习矢量量化(LVQ)神经网络作分类器 ,分别用LVQ1和LVQ2.1算法对网络进行训练 ,并对分类结果进行测试 ,比较了网络选择不同参数时对分类正确率的影响。研究表明 :竞争层神经元数目直接影响了正确率 ,当选择最佳参数值时分类正确率为62 %～83 % ,因人而异。