基于双支持向量机概率输出的多类脑电模式在线识别方法

发明专利有效专利

申请号：
CN201410738486.9
IPC分类号：G06K9/00;G06K9/66;G06F3/01
申请日期：
2014-12-05
申请人：
杭州电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于双支持向量机概率输出的多类脑电模式在线识别方法
申请号	CN201410738486.9	申请日期	2014-12-05
法律状态	授权	申报国家	中国
公开/公告日	2015-04-29	公开/公告号	CN104573630A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;6;;;G;0;6;F;3;/;0;1查看分类表>
申请人	杭州电子科技大学	申请人地址	浙江省杭州市下沙高教园区2号大街变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	杭州电子科技大学	当前权利人	杭州电子科技大学
发明人	佘青山;陈希豪;韩笑;高云园;席旭刚
代理机构	杭州君度专利代理事务所（特殊普通合伙）	代理人	杜军

摘要

本发明涉及一种基于双支持向量机概率输出的多类脑电模式在线识别方法。EEG信号具有高度非平稳性、时变性和个体差异性，容易随时间产生不同程度的波动，而现有的多数脑电信号分类方法自适应能力较差。本发明建立了双支持向量机概率输出模型，在此基础上引入增量学习方法，实现了多类脑电模式的在线识别。先建立双支持向量机初始分类模型，通过Sigmoid概率输出建模方法求得EEG信号属于各个类别的概率，并将该信号归为概率最大的类别，然后引用增量学习方法将满足一定条件的EEG信号加入到训练集中来更新分类模型，以最新的分类模型对信号进行识别。本发明方法不仅减少训练时间，提高分类速度，而且具有较好的自适应能力。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供