一种基于脑电信号的眼动信号识别方法技术

发明专利技术公开了一种基于脑电信号的眼动信号识别方法，包括如下步骤：步骤1)脑电信号获取以及数据预处理：眼动时，获取脑电信号，对脑电信号预处理；步骤2)对步骤1)的处理结果使用改进SK算法进行判断无关最优向量，选择出少量的支持向量，并在算法中引入核技巧，将向量映射到高维空间，达到可分类的目的：步骤3)使用MDM算法对步骤2)获取的支持向量求解最优超平面；本发明专利技术利用脑电信号进行眼动方式识别分类非常可靠，此外，使用的SK算法以及MDM算法(SVM)可以在固定经验风险的情况下通过最大边缘化，来实现结构风险最小化，可以让分类器具有令人满意的学习精度和更强的推广能力。

An eye moving signal recognition method based on EEG

The invention discloses an eye movement signal recognition method based on EEG, which comprises the following steps: Step 1) EEG signal acquisition and data preprocessing: eye movement, EEG, the EEG signal preprocessing; step 2) to step 1) the results of using the improved SK algorithm to judge the optimal. Vector, select a small number of support vectors, and the introduction of nuclear techniques in the algorithm, the vector is mapped to a high-dimensional space, achieve the purpose of classification: Step 3) using the MDM algorithm to step 2) used to obtain the optimal support vector hyperplane; the use of EEG signal recognition and classification of the eye movement is very reliable in addition, the use of the SK algorithm and the MDM algorithm (SVM) can be marginalized in the experience of a fixed maximum risk, to realize the structural risk minimization, can make the classifier with satisfactory learning Practice precision and stronger promotion ability.

【技术实现步骤摘要】
一种基于脑电信号的眼动信号识别方法
本专利技术涉及一种基于脑电信号的眼动信号识别方法，涉及脑电信号特征识别领域。
技术介绍
脑电信号是明显的非平稳性信号，从19世纪20年代检测到脑电信号以来，虽然已作了大量的工作，但长期以来还没有突破性的进展。随着信号处理方法的不断发展，更多更有效的分析方法在脑电信号分析中不断得到应用。李远清等人于2008年首次将半监督学习算法引入脑电(EEG)信号识别中，用于识别右手/脚两类运动想象任务(数据集Iva)。龙锦益等人于2010年提出了一种结合特征提取的自训练学习算法。朱向阳等人于2014年提出了一种结合特征提取的协同训练半监督分类算法。随着人们对于脑电活动机理信号的研究分析，人们会对大脑将有进一步的认识，也必将为临床医学和基础医学的发展作出新的贡献。但目前并没有特别好的可以使用眼动信号来识别脑电信号的方法，自1932年，Dietch首先用傅立叶变换进行了脑电信号分析之后，在脑电分析中相继引入了时域分析、频域分析等脑电图分析的经典方法。传统的人工时域分析法是医学专家依靠临床经验通过肉眼观察来完成对脑电波的分析与评价，这种方法的直观性很强，但效率低，且在本文档来自技高网...

【技术保护点】
一种基于脑电信号的眼动信号识别方法，其特征在于：包括如下步骤：步骤1)脑电信号获取以及数据预处理：眼动时，获取脑电信号，对脑电信号预处理；步骤2)对步骤1)的处理结果使用改进SK算法进行判断无关最优向量，选择出少量的支持向量，并在算法中引入核技巧，将向量映射到高维空间，达到可分类的目的：改进SK算法包括以下步骤：1)构造D1＝{x1,x2,...,xm}，D2＝{z1,z2,...,zn}两个数据集，然后再重新构造

【技术特征摘要】
1.一种基于脑电信号的眼动信号识别方法，其特征在于：包括如下步骤：步骤1)脑电信号获取以及数据预处理：眼动时，获取脑电信号，对脑电信号预处理；步骤2)对步骤1)的处理结果使用改进SK算法进行判断无关最优向量，选择出少量的支持向量，并在算法中引入核技巧，将向量映射到高维空间，达到可分类的目的：改进SK算法包括以下步骤：1)构造D1＝{x1,x2,...,xm}，D2＝{z1,z2,...,zn}两个数据集，然后再重新构造两个数据集；2)初始化，任意取设置停止精度ε；3)判断停止条件，如果||w2-w1||2＜ε，判定xk∈D1为无关最优向量；如果||w2-w1||2-rm2-rm1＞0，则xk∈D1为可能支持向量；其中否则转第4步；4)优化更新，求其中如果则令其中如果则令其中获得的值，然后返回第3步继续计算。步骤3)使用MDM算法对步骤2)获取的支持向量求解最优超平面，其包括以下步骤：1)任取设置搜索停止精度ε；2)求其中

【专利技术属性】
技术研发人员：岳大超，刘海宽，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：江苏,32