[发明专利]一种基于脑电信号的眼动信号识别方法

摘要

发明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。

主权项

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m(xt)=<xt-w2,w1-w2>||w1-w2||,xt∈D1(1)<xt-w1,w2-w1>||w1-w2||,xt∈D2(1)]]>如果则令其中q=min(1,<w2-w1,xt-w1>||w1-wt||2);]]>如果则令其中q=min(1,<w1-w2,xt-w2>||w2-wt||2);]]>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m(xi)=<xi-w2,w1-w2>||w1-w2||,xi∈D1(1)<xi-w1,w1-w2>||w1-w2||,xi∈D2(1)]]>3)如果||w1‑w2||‑m(xi)≤ε，则向量w1‑w2就是最优超平面，偏置为否则取z＝w1‑w2，继续第3步；4)如果xk∈D1，求xmin∈D1使得(‑z*xmin)＝min{‑z*xi:γi＝‑z*xi且γi＞0,xi∈D1}，d＝f(‑z)‑xmin，z'＝z+(‑z*xmin)d，取znew为z和z'连线上的最小范数点，令如果xk∈D2，求zmin∈D2使得(‑z*zmin)＝min{‑z*zi:γi＝‑z*zi且γi＞0,zi∈D2}，d＝f(‑z)‑zmin，z'＝z+(‑z*zmin)d，取znew为z和z'连线上的最小范数点，令返回第2步，直至求解获得最优超平面，获得分类器。