基于免疫优化的脑电自适应集成分类方法研究*

作者：李嘉伟，任立红*，丁永生，陈磊 日期：2018-08-30/span> 浏览：2044 查看PDF文档

                                                            基于免疫优化的脑电自适应集成分类方法研究*
                                                                    李嘉伟，任立红*，丁永生，陈磊
                                                 （东华大学 数字化纺织服装技术教育部工程研究中心，上海 201620）

摘要：针对脑机接口研究(BCI)中对脑电波信号的分类识别问题，对脑电信号中P300脑电信号的预处理、特征提取及特征分类等方面算法进行了研究，主要侧重于对P300脑电信号分类算法的研究。提出了一种自适应的集成支持向量机（SVM）分类方法，利用免疫算法的多样性以及自我调节能力，对基于Bagging的集成SVM分类学习器进行了优化，提高了对P300脑电信号识别的准确度以及针对不同个体的自适应性。研究结果表明：将自适应集成分类算法运用在BCI Competition III Dataset II的P300脑电数据上，可以识别出被试者的脑电意图，并且对P300脑电信号的分类可以达到较高的分类准确率，实验结果稳定在98%。

关键词：脑机接口；P300信号；支持向量机；集成分类器；免疫优化

中图分类号：TP181                       文献标志码：A                      文章编号：1001-4551(2018)08-0873-07

本文引用格式：
李嘉伟，任立红，丁永生,等.基于免疫优化的脑电自适应集成分类方法研究［J］.机电工程，2018，35(8)：873-879.
LI Jiawei, REN Lihong, DING Yongsheng, et al. Adaptive integrated classification method based on immune optimization for EEG［J］.Journal of Mechanical & Electrical Engineering, 2018,35(8):873-879.
《机电工程》杂志：http://www.meem.com.cn