[发明专利]一种人类行为脑电信号分类方法及系统

说明书

本发明公开一种人类行为脑电信号分类方法及系统，涉及脑电信号分类技术领域，以解决现有的脑电信号分类精度差的问题。所述分类方法包括采集人在作出某一行为时对应的脑电信号，以脑电信号的频域特征作为输入，利用训练好的随机森林模型得到脑电信号对应的人类行为。在随机森林模型的训练过程中，利用K‑means算法对输入至随机森林模型的历史频域特征所包含特征的个数进行优化，得到新的有效特征，并利用历史频域特征和有效特征对随机森林模型进行训练，能够提高随机森林模型的训练效果，利用训练好的随机森林模型确定脑电信号对应的人类行为时，精度高，分类效果好。

技术领域

本发明涉及脑电信号分类技术领域，尤其涉及一种基于随机森林的GSO-Kmeans双优化人类行为脑电信号分类方法及系统。

背景技术

人工智能技术作为一门汇集各种前沿技术和理论的交叉学科正迅速发展，使人们在对“智能”的认知不断深化的同时也在不断更新。传统的人工智能技术，如随机森林、支持向量机、卷积神经网络、循环神经网络等技术多种多样，大多数不足以支持对多种行为模式下的非稳定的生理信号进行高准确的分类，尤其是像脑电信号这种非稳定微弱信号。

发明内容

本发明的目的在于提供一种人类行为脑电信号分类方法及系统，适用于对人不同行为模式下产生的脑电信号进行分类，可提升脑电信号的分类性能，实现多种类行为脑电信号的精确识别。

为了实现上述目的，本发明提供如下技术方案：

一种人类行为脑电信号分类方法，包括：

获取脑电信号；

提取所述脑电信号的特征，得到频域特征；

以所述频域特征作为输入，利用训练好的随机森林模型得到所述脑电信号对应的人类行为；在随机森林模型的训练过程中，利用K-means算法对输入至所述随机森林模型的历史频域特征所包含特征的个数进行优化，得到新的有效特征，并利用所述历史频域特征和所述有效特征对所述随机森林模型进行训练。

与现有技术相比，本发明提供的一种人类行为脑电信号分类方法中，采集人在作出某一行为时对应的脑电信号，并提取脑电信号的特征，得到频域特征。最后以频域特征作为输入，利用训练好的随机森林模型得到脑电信号对应的人类行为。在随机森林模型的训练过程中，利用K-means算法对输入至随机森林模型的历史频域特征所包含特征的个数进行优化，得到新的有效特征，并利用历史频域特征和有效特征对随机森林模型进行训练，能够提高随机森林模型的训练效果，提高预测的正确率，利用训练好的随机森林模型确定脑电信号对应的人类行为时，精度高，分类效果好。

本发明还提供一种人类行为脑电信号分类系统，包括：

采集模块，用于获取脑电信号；

提取模块，用于提取所述脑电信号的特征，得到频域特征；

分类模块，用于以所述频域特征作为输入，利用训练好的随机森林模型得到所述脑电信号对应的人类行为；在随机森林模型的训练过程中，利用K-means算法对输入至所述随机森林模型的历史频域特征所包含特征的个数进行优化，得到新的有效特征，并利用所述历史频域特征和所述有效特征对所述随机森林模型进行训练。

与现有技术相比，本发明提供的人类行为脑电信号分类系统的有益效果与上述技术方案所述人类行为脑电信号分类方法的有益效果相同，此处不做赘述。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例1所提供的分类方法的方法流程图。

图2为本发明实施例1所提供的脑电信号采集通道示意图。