基于ABC-SVM的运动想象脑电信号模式分类

摘要

针对传统支持向量机(SVM)分类方法在脑电信号处理中存在寻优繁琐、工作量大和分类正确率低等问题,本文提出了一种基于人工蜂群(ABC)优化支持向量机惩罚因子C和核参数g的分类识别方法.首先利用正则化共空间模式(CSP)对脑电信号进行特征提取,然后利用ABC算法优化SVM的惩罚因子和核参数,最后利用提取的右手和右脚两类脑电信号样本特征对优化后的SVM进行训练和分类测试.实验结果表明ABC-SVM分类器提高了脑电信号分类的准确率,比传统的SVM分类器准确率高出2.4％,同时与遗传算法、粒子群算法等传统优化算法相比,人工蜂群算法优化的支持向量机能够克服局部最优解,获得更高的分类准确率,证明该算法的可行性和较高准确性.