基于粗糙集理论和支持向量机的眼动位置信息提取.pdfVIP

第十七届中国过程控制会议论文集 基于粗糙集理论和支持向量机的眼动位置信息提取 赵莉 ，王行愚，王蓓 (华东理工大学信息学院，上海，200237） 摘要：眼电图 EOG 方法是目前一种最常用的眼球运动记录技术。眼球扫视运动产生的 EOG 信号具有一 些基本的特征参数，与眼动位置（即视线角度）有关。本文使用粗糙集知识约简方法对特征参数进行选 择和简化，再利用支持向量机方法建立相应的模型，提取眼动位置信息。通过实验表明，基于特征参数 粗糙集约简的支持向量机的提取方法是有效的、准确的。 关键词：眼电图 粗糙集 知识约简 支持向量机 回归　 0 引 言 人-计算机交互系统(Human-computer interaction, HCI)是当前生物科学与信息科学相融合的交 叉学科研究的一个热点，其中最重要的问题是如何提高人与计算机之间自然的交流水平。目前，利用 [1] 眼球运动信息作为人-机交互系统的输入指令获得了较多的关注 。 在 视 网 膜 和 角 膜 之 间 存 在 着 静 息 电 位 ， 经 由 眼 电 采 集 仪 器 所 记 录 到 的 信 号 被 称 为 EOG(electrooculogram)。目前国内外对 EOG 的研究重点是互相关联的两大问题：EOG 信号的特征提取 和分类识别。特征提取方面，提出了不少新方法，如神经网络、小波变换、模糊聚类等 [2] 。对 EOG 分 类与识别问题，除了常用的贝叶斯决策外，新的统计学习理论和支持向量机也有很大的应用前景。使 用支持向量机回归方法建模，从 EOG 信号中直接选取多个（如 50 个）样本点数据，进行眼动位置信息 提取也是一种新的研究方法，取得了一定进展 [3] 。 眼球扫视运动产生的 EOG 信号具有一些基本的特征参数，与眼动位置（即视线角度）有关，可由 此建立相应的模型来提取眼动位置信息。建模时应选择尽可能少的特征参数以提高精度和速度。通常 将多个指标化为少数指标的方法，可以采用多元统计分析中的主成分分析方法或者采用灰色关联度分 析。但是，这些方法计算量比较大，不便于应用。 本文使用粗糙集知识约简方法对EOG信号的特征参数进行选择和简化，再利用支持向量机建立相应 的模型，能够较快速、精确的提取眼动位置信息。为从EOG信号中提取眼动位置信息提供了一种新思路。 1 EOG信号的特征参数 图 1 为与眼球扫视运动相关的 EOG 信号波形。当眼球向两侧转动时，有一明显的电压阶跃，其峰 值记为 U ,该值与眼球转动角度有关，它是判断眼球转动角度的重要指标。 V 为 EOG 速度信号的峰 p max 值。EOG 波形从基线到峰值，有一段上升期，其时间间隔记为 T 。T 表示 EOG 信号持续时间，是从峰 p d 值衰减到 0.8 倍峰值的时间。 本文用 a 表示均值；用 a 表示中位数，它是描述数据中心位置的数字特征。上、下四分位数本文 1 2 中用a , a 表示。 3 4 基金项目：国家自然科学基金专项基金项目） 作者简介：赵莉（1978-），女，湖北宜昌人，硕士研究生，现从事生物电信号处理、模式识别、人机交互等研究。 王行愚，男，博士，教授，博士生导师，yxwang@ecust.edu.cn。