Wykorzystanie maszyny wektorów wspierających (SVM) do klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer

• Autorzy: Kołodziej M. , Majkowski A. , Rak R. J.

Warianty tytułu

EN

Implementation of support vector machine for classification of EEG signal for brain-computer interface

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wykorzystanie maszyny wektorów wspierających (SVM) na użytek interfejsów mózg-komputer (BCI). W opracowanych algorytmach jako cechy sygnału EEG wykorzystano jego wariancję. Przedstawiono wyniki badań związanych z wykorzystaniem sieci SVM jako klasyfikatora. Eksperymenty przeprowadzono przy użyciu różnego rodzaju funkcji jądra.

EN

Implementing communication between man and machine by use of EEG signals is one of the biggest challenges in the signal theory. Such communication could improve the standard of living of people with severe motor disabilities. Some disable persons cannot move, however they can think about moving their arms, legs and this way produce stable motor-related EEG signals. These signals can be used to construct BCI systems. However, the proper interpretation of the EEG signals is a very difficult task. There are three main stages in EEG signal analysis: feature extraction, feature selection and classification. The main aim of the paper is to implement a support vector machine as a classifier for the brain-computer interface. The proposed algorithm uses the EEG signal variance in the frequency range 8-30Hz. Experiments were conducted with use of different kernel functions for the SVM classifier. The best results were achieved for the quadratic polynomial kernel function. The classification error for testing data was 0.13.

Słowa kluczowe

PL

BCI; interfejs mózg-komputer; EEG; maszyna wektorów wspierających; SVM

EN

BCI; brain-computer interface; EEG; support vector machine; SVM

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 12
• Strony: 1546--1548
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Kołodziej M.

autor

Majkowski A.

autor

Rak R. J.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno-Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa,

Bibliografia

• [1] Wolpaw J. R., Birbaumer N., D. J. McFarland, Pfurtscheller G., Vaughan T. M.: Braincomputer interfaces for communication and control, Clin. Neurophysiol., 113: 767-791, 2002.
• [2] Wolpaw J. R., McFarland D. J., Vaughan T. M.: Brain-Computer Interface Research at the Wadsworth Center, IEEE Trans. Rehab. Eng., 8 (2): 222-226, 2000.
• [3] Kołodziej M., Majkowski A., Rak R.: Optymalizacja doboru okien czasowych do przetwarzania sygnału EEG w interfejsach mózg-komputer, IX Szkoła-Konferencja „Metrologia Wspomagana Komputerowo” MWK’2011, Waplewo, 2011.
• [4] Kołodziej M., Majkowski A., Rak R.: Wizualizacja rozkładu potencjału EEG na głowie pacjenta w zastosowaniu do asynchronicznego interfejsu mózg MPM, X Jubileuszowe Sympozjum „Modelowanie i Pomiary w Medycynie”, Krynica, 2011.
• [5] Kołodziej M., Majkowski A., Rak R.: Wykorzystanie t-statystyk do szybkiej selekcji cech sygnału EEG na użytek interfejsu mózg-komputer IX Szkoła-Konferencja „Metrologia Wspomagana Komputerowo” MWK’2011, Waplewo, maj 2011.
• [6] Koronacki J., Ćwik J.: Statystyczne systemy uczące się, wydanie drugie, Exit, Warszawa, 2008.
• [7] Krzyśko M., Wołyński W., Górecki T., Skorzybut M.: Systemy uczące się Rozpoznawanie wzorców analiza skupień i redukcja wymiarowości 2008.
• [8] Osowski S.: Sieci neuronowe do przetwarzania informacji, 2000.