基于LVQ的自发脑电信号的分类研究

摘要

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.