[发明专利]一种基于支持向量机的大脑意识多分类方法及系统

权利要求书

1.一种基于支持向量机的大脑意识多分类方法，其特征在于，包括以下步骤：

步骤1，获取原始数据；

采集被试者脑运动区在大脑意识运动时段内的脑血氧原始数据，并组成脑血氧原始数据序列；其中，已知大脑意识运动的意识运动类别；

步骤2，构建训练样本；

对每次大脑意识运动时段内的脑血氧原始数据序列进行预处理，然后从得到的预处理数据中提取特征值并构建特征向量，将该特征向量记为1个训练样本；

步骤2中提取特征值并构建特征向量的具体过程为：

使用宽度为M秒、滑动步长为1秒的滑动窗口，将每次大脑意识运动时段划分为N-M+1个子时段；

针对大脑意识运动的每个子时段，均计算脑运动区在当前子时段内所有采集时间点的脑血氧原始数据的平均值，作为对应子时段的脑血氧均值；每个脑血氧原始数据子序列对应得到N-M+1个脑血氧均值；

根据脑运动区在大脑意识运动时段内的所有采集时间点的脑血氧原始数据，构建相应的脑血氧时间响应曲线，并计算脑血氧时间响应曲线的最大斜率k1；

将N-M+1个子时段所对应的N-M+1个脑血氧均值和1个脑血氧时间响应曲线的最大斜率k1，分别作为脑运动区在大脑意识运动时段内的特征值，所有特征值构成大脑意识运动的特征向量；

按照大脑意识运动的意识运动类别，给训练样本赋以相应的标签值；

步骤3，构建训练集；

重复步骤1-2，直到针对所有k种预设意识运动类别共获取得到n个训练样本，并组成训练集；

步骤4，利用训练样本训练分类器；

步骤4.1，从k种意识运动类别中任意选择2种进行组合，得到k(k-1)/2种组合类别，然后针对每种组合类别构建相应的SVM分类模型；

步骤4.2，针对每个SVM分类模型，根据其组合类别所包括的意识运动类别，从训练集中获取相应的训练样本，构成与各SVM分类模型相应的子样本集；

步骤4.3，以子样本集中的训练样本为输入数据、以相应的标签值为输出数据，对相应组合类别的SVM分类模型进行训练，得到相应组合类别的SVM二分类器；

步骤4.4，采用投票表决方法对k(k-1)/2个SVM二分类器进行组合，得到意识运动类别多分类器；

步骤5，对待测意识运动类别进行分类；

步骤5.1，按步骤1实时获取意识运动类别待测者脑运动区的脑血氧原始数据序列；

步骤5.2，按步骤2对脑血氧原始数据序列进行预处理，然后从得到的预处理数据中提取特征值并构建特征向量；

步骤5.3，将特征向量输入至步骤4得到的意识运动类别多分类器，即可根据输出的标签值得到待测者的最终意识运动类别。

2.根据权利要求1所述的方法，其特征在于，所述步骤1的具体过程为：

当被试者按照预设意识运动类别进行大脑意识运动时，利用功能性近红外脑成像方法，获取被试者脑运动区在每个采集时间点的近红外光谱数据，并利用比尔-朗伯定律根据近红外光谱数据获取含氧血红蛋白变化量，将含氧血红蛋白变化量作为相应采集时间点的脑血氧原始数据；

将大脑意识运动时段内所有采集时间点的脑血氧原始数据，组成脑血氧原始数据序列。

3.根据权利要求2所述的方法，其特征在于，步骤5.1具体是由服务器端LSL平台利用功能性近红外脑成像设备，实时获取意识运动类别待测者脑运动区的脑血氧原始数据序列，并以LSL数据流的方式通过TCP/IP网络实时传输至客户端LSL平台；步骤5.2具体是通过LSL客户端平台实时接收意识运动类别待测者脑运动区的脑血氧原始数据序列，并在客户端完成步骤5.2至步骤5.3，且在客户端显示待测者的最终意识运动类别。

4.根据权利要求1所述的方法，其特征在于，步骤2进行预处理的方法为：使用巴特沃斯带通滤波器对脑血氧原始数据序列进行带通滤波处理，且巴特沃斯带通滤波器的频率带宽为0.01～0.2Hz。

5.根据权利要求1所述的方法，其特征在于，M＝5，N＝10。

6.根据权利要求1所述的方法，其特征在于，在每两次进行大脑意识运动之间，大脑至少保持休息状态的时长为T1。