[发明专利]基于集成学习思想的SVM-RFE导联优化方法无效
| 申请号： | 201110424411.X | 申请日： | 2011-12-16 |
| 公开（公告）号： | CN102521206A | 公开（公告）日： | 2012-06-27 |
| 发明（设计）人： | 綦宏志;孙长城;奕伟波;陈龙;明东;万柏坤 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F15/18 | 分类号： | G06F15/18 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 集成 学习 思想 svm rfe 优化 方法 | ||
1.一种基于集成学习思想的SVM-RFE的P300脑-机接口导联优化方法，其特征在于，包括如下步骤：
1)通过视觉P300-Speller BCI系统进行数据采集，对采集后的数据进行预处理；
2)确定集成学习中基学习器的样本数；
3)基于集成学习思想的支持向量机递归特征筛选。
2.根据权利要求1所述的基于集成学习思想的SVM-RFE的P300脑-机接口导联优化方法，其特征在于，步骤1所述的数据采集是通过视觉P300-Speller BCI系统，采集多名健康被试者的64导联脑电数据，每名被试者完成对80个字符的选择；所述的预处理包括对采集的数据进行变参考、降采样和滤噪的预处理。
3.根据权利要求2所述的基于集成学习思想的SVM-RFE的P300脑-机接口导联优化方法，其特征在于，所述的预处理中的数据降采样至20Hz。
4.根据权利要求1所述的基于集成学习思想的SVM-RFE的P300脑-机接口导联优化方法，其特征在于，步骤2所述的确定集成学习中基学习器的样本数是：选用400个样本对SVM进行训练。
5.根据权利要求1所述的基于集成学习思想的SVM-RFE的P300脑-机接口导联优化方法，其特征在于，步骤3所述的基于集成学习思想的支持向量机递归特征筛选是，对于由K个线性SVM组成的Adaboosting看成是一个大的分类器，移除一个特征对分类结果的影响是K个SVM分类器的线性组合，因此代价函数为：
其中，Di，k为移除第i个特征对第k个分类器分类间隔的影响。αk是第k个分类器对分类结果的贡献权重。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201110424411.X/1.html，转载请声明来源钻瓜专利网。
