基于 EEG 信号的眼部状态分类集成分类器
人工智能
2017-09-27 v2 人机交互
摘要
在脑机接口（BCI）应用中，测量脑电波（例如眼部状态的 EEG 信号）日益增长的重要性与利用率凸显了对合适分类方法的需求。本文实现了对三种用于基于 EEG 的眼部状态分类的知名分类方法（即支持向量机（SVM）、隐马尔可夫模型（HMM）和径向基函数（RBF））的比较。此外，测试了一种基于集成模型的建议方法。该建议的（集成系统）方法基于带有两个核的投票算法：随机森林（RF）和 Kstar 分类方法。使用三个测量参数测试了性能：准确率、平均绝对误差（MAE）和混淆矩阵。结果表明，所提出的方法优于其他测试方法。例如，建议方法的性能达到 97.27% 的准确率和 0.13 的 MAE。
引用
@article{arxiv.1709.08590,
title = {Ensemble Classifier for Eye State Classification using EEG Signals},
author = {Ali Al-Taei},
journal= {arXiv preprint arXiv:1709.08590},
year = {2017}
}
备注
7 pages