基于ABC-SVM的运动想象脑电信号模式分类

摘要

为了提高运动想象脑电信号分类的准确率,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,本研究提出一种基于人工蜂群(ABC)算法优化SVM的分类识别方法.首先利用正则化共空间模式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2.5％,证明该算法的可行性和较高准确性.