講演抄録/キーワード |
講演名 |
2013-11-22 13:50
SSAを用いた脳波SSVEPの2クラス判別 ○白鳥友規・南波寛直・松本 隆・石山敦士(早大) NC2013-48 |
抄録 |
(和) |
脳波(EEG)を用いたSSVEPの2クラス判別問題に信号分離アルゴリズムStationary Subspace Analysis(SSA)を適用した。源波形、分離信号ともにFFTを行い特徴量としSVMによる判別を行い比較を行った。その結果分離信号から得た特徴量を用いた場合、源波形から得る特徴量よりも被験者12人中11人で判別率の向上が見られた。また判別率の平均でも91.4%から96.2%へと向上することが確認できた。 |
(英) |
We attempted to use signal separation algorithm Stationary Subspace Analysis (SSA) for classification of EEG steady-state visual evoked potential (SSVEP). EEG signals were subjected to Fast Fourier Transform (FFT) to extract features. We used Support Vector Machine (SVM) for classification. We compared accuracy rates of the proposed method with a baseline method where no separation algorithm was used. Of the 12 subjects, 11 showed classification accuracy improvements with the proposed method against the baseline method. The average classification rate improved from 91.4% to 96.2%. |
キーワード |
(和) |
ブレイン・コンピューターインターフェース(BCI) / 脳波(EEG) / 定常状態視覚誘発電位(SSVEP) / Stationary Subspace Analysis(SSA) / Support Vector Machine(SVM) / / / |
(英) |
Brain-Computer Interface (BCI) / EEG / Steady-State Visual Evoked potential(SSVEP) / Stationary Subspace Analysis(SSA) / Support Vector Machine(SVM) / / / |
文献情報 |
信学技報, vol. 113, no. 315, NC2013-48, pp. 13-16, 2013年11月. |
資料番号 |
NC2013-48 |
発行日 |
2013-11-15 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2013-48 |