サポートベクターマシンと粒子群最適化を用いた聴覚事象関連電位の分類に関する検討

摘要

単試行での事象関連電位(ERP)の分類は実用的なBrain-machine interfaces (BMI)の開発の際に重要な課題である.ERPの分類において，より正確なBMIを実現するためには，脳波信号による特徴を選択し，分類器のパラメ一タを適切に調整する必要がある.そのため，本報告では粒子群最適化(PSO)とサポートベクターマシン(SVM)を組み合わせて，ERPを分類する手法を提案する.具体的には，分類精度を向上するEEGチャンネルセットとSVMパラメータをPSOによって最適化する.全チャンネル用いる単純なダリッド検索手法と比較したと ころ，提案手法では，半分のチャンネルのみでグリッド検索と同程度な75%の分類精度が得られ,処理時間を3倍短くすることができた.%The accurate detection of single-trial event-related potentials (ERP) is very important for the development of practical Brain-machine interfaces (BMI). This represents a classification problem in ^ich the selection of the features obtained from electrical brain signals and the tuning of the classifier parameters must be adequately performed. In this work we propose an algorithm for the classification of auditory ERP that employs a combination of Particle Swarm Optimization (PSO) and Support Vector Machines (SVM). Specifically, the algorithm use PSO to find the best EEG channel combination and SVM parameters that maximize the classification of ERP. We perform simulations to assess the performance of the proposed algorithm and compare it to a naive grid-search algorithm. Our results show that the proposed algorithm achieved an accuracy of 75%, similar to the grid-search approach, but using half of the channels and requiring one third of the time to reach an optimal solution.