[发明专利]一种模式识别方法和脑电波信号处理方法以及基于脑电波的智能家居控制系统

摘要

本发明公开了一种基于极限学习机算法的模式识别方法，其特征在于，包括训练阶段给定训练集N＝{(xi,ti)xi∈Rn,ti∈Rn,i＝1,2,3,…L}，激励函数隐层节点数L，设定单隐层前向网络；拟合训练样本；并调整(ai，bi，βi)；最后计算输出权值矩阵β。本发明还提供一种脑电波信号处理方法，包括采用盲源分离去噪预处理方法对脑电波信号进行去噪预处理；采用小波包变换特征提取方法对脑电波信号进行特征提取；采用上述的基于极限学习机算法的模式识别方法对脑电波信号进行模式识别。本发明可以将采集的脑电波信号处理的纯净无污染，快速、正确的生成控制指令。

主权项

一种基于极限学习机算法的模式识别方法，其特征在于，包括训练阶段：步骤1：给定训练集N＝{(xi,ti)|xi∈Rn,ti∈Rn,i＝1,2,3,…L}，激励函数隐层节点数L，通过公式(1)设定单隐层前向网络：其中，xi为第i个样本，βi为第i隐层节点的输出权值，ai和bi分别为随机生成的输入神经元与第i个隐层节点的输入权值和偏置，yj为第j个隐含层的单隐层前向网络的输出，ti表示第i个样本的实际标签；步骤2：根据步骤1中的单隐层前向网络，并通过公式(2)拟合训练样本；步骤3：通过公式(3)调整(ai，bi，βi)；步骤4：通过公式(4)计算输出权值矩阵β，t＝Hβ  (4)其中，H为隐含层输出矩阵，β为输出权值矩阵，β＝[β1，β2，…,βN]Tt为目标矩阵：t＝[t1，t2，…,tN]T。