报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
Genetic algorithms based LSSVM for EEG fatigue multi-classification
编号：121 访问权限：仅限参会人 更新：2022-05-19 16:19:01 浏览：195次 张贴报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

视频 无权播放 演示文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要
In order to improve the classification accuracy of multiclassification of EEG fatigue data, a genetic algorithm based least squares support vector machine algorithm (GA-LSSVM)  is proposed in this paper. Firstly, the hyperparameters σ (kernel function width) and γ (the regularization parameter) of LSSVM are optimized by GA to obtain the GA-LSSVM algorithm model. Secondly the electroence-phalographic (EEG) signals use SEED-VIG fatigue data with 17 channels five frequency bands and 4 features. The data are divided into training set and test set according to 7:3 proportion to train SVM model and verify the presented algorithm. Experiments evidence that the GA-LSSVM algorithm improves the classification accuracy of EEG signals. 
关键词
暂无
报告人
LiYuxiang
Qingdao University

发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    05月27日

    2022

    至

    05月29日

    2022

  • 02月28日 2022

    初稿截稿日期

  • 05月29日 2022

    注册截止日期

  • 06月22日 2022

    报告提交截止日期

主办单位
IEEE Beijing Section
China Electrotechnical Society
Southeast University
协办单位
IEEE Industry Applications Society
IEEE Nanjing Section
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询