基于多类最小二乘支持向量机的神经元信号识别

• 作 者: 方慧娟 王永骥 何际平 刘珊
• 机 构: 华中科技大学控制科学与工程系,亚利桑那州立大学生物设计学院
• 出 处: 计算技术与自动化
• 发表日期: 2007年4期
• 关键词: 最小二乘支持向量机 多类分类 二叉树 脑机接口 神经康复 least squares support vector machines （LS- SVM） mu

针对大脑运动皮层群体神经元信号与运动行为关系的分析，提出一种基于二叉树的最小二乘支持向量机多类分类算法。在对猴子进行三维空间中8个方向手臂运动实验记录的多通道神经元信号的分析中，通过与标准支持向量机和学习矢量量化神经网络的比较，说明该方法不仅与标准支持向量机同样具有比学习矢量量化方法更强的学习能力和预测能力，而且运算时间比标准支持向量机更短。比较结果表明最小二乘支持向量机对于神经元信号分析的有效性和优越性，进而有利于实现性能更高的用于神经康复的脑机接口系统。