基于融合规则的注意相关脑电分类算法研究

摘要

提出一种新的基于支持向量机(super vector machine, SVM)学习机制和数据融合理论的脑电分类算法,并设计了注意分级实验进行验证.首先,对脑电信号进行3级小波分解,由主分量分析(principle component analysis, PCA)方法提取其中的主特征分量;然后由支持向量机对特征分量进行分类;最后依据数据融合理论,对多导分类结果进行综合判断.结果表明,该方法具有良好的鲁棒性,对多导注意相关EEG的分类准确率可达89%左右,并高于单导最优准确率,对注意力缺陷反馈治疗、注意力机制研究等有较高的实用价值.