为了解决脑机接口中功能磁共振成像(functional magnetic resonance imaging,fMRI)信号的数据分类问题,提出了使用后顶叶皮层进行特征选择的支持向量机分类方法。首先通过核磁设备采集数据,对数据预处理后,将后顶叶皮层的体素选择为特征,然后把血氧水平依赖(blood oxygen level dependent,BOLD)值的峰值和累积变化作为特征提取,最后使用支持向量机进行数据的分类。实验表明,选择后顶叶皮层作为特征是可行的;使用BOLD峰值的分类精度要高于使用B

使用机器学习方法分类f MRI(functional magnetic resonance imaging)数据已经逐渐广泛被应用到探索大脑认知的研究中。在探索人脑视觉区域对颜色特征和形状特征的捆绑图像认知研究中,使用血氧含量水平BOLD(blood oxygen level dependent)最大值、BOLD变化累计值作为特征值训练SVM分类器,使用BOLD变化时间序列方差及均值组合作为特征值训练多个SVM弱分类器,并使用Adaboost算法将多个SVM分类器集成到一起构造集成分类器,以此来