一种基于AFSA-SVM的多模态信号分类方法

摘要

本发明涉及一种基于AFSA‑SVM的多模态信号分类方法。传统支持向量机(SVM)分类方法信号分类处理中存在参数设置和分类正确率低等问题，本发明提出了一种基于人工鱼群(AFSA)优化支持向量机惩罚因子c和核参数g的分类模型，该方法利用CSP算法对脑部EEG和NIRS同步采集的信号进行特征提取和融合，然后利用AFSA优化算法确定支持向量机的惩罚因子c和核参数g，构建分类器模型进行信号训练和测试分类，从而提高了运动想象任务分类的准确性。该方法在脑‑机接口领域具有广阔的应用前景。