基于cf-svm的眼动信号检测算法.docVIP

基于曲线拟合和SVM的眼动信号分类算法研究* 侯传宇1,2，吕 钊2，吴小培2 （1.宿州学院信息工程学院,安徽 宿州 234000；2.安徽大学 计算智能与信号处理教育部重点实验室, 安徽 合肥 230039) 摘要EOG的眼动信号分类算法精度，改进基于EOG的人-机交互系统性能，论文提出了一种基于曲线拟合(curve fitting)与支持向量机（SVM）的眼动信号分类算法(CF-SVM)，并设计了新的实验范式，增加了“扫视保持”环节。该算法采用曲线拟合方法进行特征提取，在此基础上，使用SVM分类器对眼动信号进行分类。实验室环境下，对9名眼部活动正常的受试者进行了眼动数据采集与识别，CF-SVM算法的平均分类准确率达到98.3%，与其它几种眼动识别方法相比较，其平均正确率分别提升了9.4%、5.9%、1.0%。实验结果表明，CF-SVM算法在眼动信号识别中表现了良好的性能，具有高的分类精度和鲁棒性。 关键词 TN911.7;TP399 　　　 Research on a classification algorithm of eye movements signals based on curve fitting and support vector machine HOU Chuan-yu1,2，LV Zhao2，WU Xiao-pei2 (1.School of