使用支持向量机完成脑信号分类

一. 数据介绍

这里我们抽取整套数据的一部分，着重介绍一下癫痫患者的脑电信号和正常人的脑电信号。

癫痫患者的脑电信号截图：

正常人的脑信号截图：

从信号截图可以看出数据类型为：double;数据维度为6x1000\

二. 数据预处理

这里我们组合癫痫患者的脑电信号，命名为AB（AB = [A001 B001]'; % 注意要组合成矩阵维度一致方可）;同理我们组合正常人的脑电信号；

这里我们需要给数据进行贴上标签，AB（癫痫患者的脑电信号数据）命名为：-1

CD（正常人的脑电信号数据）命名为1

将这两类数据组合成为一个经典的二分类网络，后期可以使用fitcsvm进行二分类

组合后癫痫患者的脑电信号数据截图：

组合正常人的脑电信号数据截图：

从上述的数据中我们可以查看：1：6列为脑信号，第七列为标签数据。

支持向量机分类

在这里我偷懒，没有标准化和提取特征，大家自己做的时候可以加上，但不一定加上了就一定比不加的最终效果要好。

使用fitcsvm进行二分类使用径向基核训练 SVM 分类器，计算核函数的缩放值。对预测变量进行标准化。

对fitcsvm交叉验证 SVM 分类器。这里使用默认 10 折交叉验证。

classLoss = kfoldLoss(CVSVMModel)  使用 kfoldLoss估计样本外的误分类率

SVMModel = fitcsvm(train_data, train_labels,'Standardize',true,'KernelFunction','RBF',...
    'KernelScale','auto');
CVSVMModel = crossval(SVMModel); 
classLoss = kfoldLoss(CVSVMModel)