Утилита Optimal Frequency Bands Search предназначена для выделения частотных диапазонов сигнала ЭЭГ, в которых наилучшим образом проявляются различия между распознаваемыми по ЭЭГ типами мыслительной деятельности. Приложение позволяет автоматически учитывать индивидуальные особенности каждого из пользователей ИМК.

В качестве входных данных утилита принимает файлы формата XML Features со значениями спектра сигнала для объектов обучающей и тестовой выборки, а также текстовый файл с истинными метками классов для объектов тестовой выборки. Значения энергетического спектра сигнала в каждом из каналов записи ЭЭГ предварительно вычисляются с помощью утилиты Feature Extraction Utility.

Метод поиска оптимальных частотных диапазонов был предложен в работе [1] для анализа сенсомоторных ритмов ЭЭГ, и впоследствии успешно апробирован в гибридном интерфейсе «глаз-мозг-компьютер» [2]. Задача поиска рассматривается, как задача однокритериальной оптимизации, в которой в качестве варьируемых параметров выступают границы частотных диапазонов, а в качестве целевой функции – оценка достижимой точности классификации. Для решения оптимизационной задачи пользователь может выбрать один из двух доступных методов направленного перебора: генетический алгоритм или метод роя частиц (англ. Particle Swarm Optimization).

Для каждой особи/частицы приспособленность рассчитывается как оценка точности классификации, полученная на множестве пар «вектор характерных признаков/метка класса». Для оценки качества разделения классов в утилите Optimal Frequency Bands Search предусмотрена возможность выбора одного из следующих классификаторов:

  • ν-SVM классификатор (модификация метода опорных векторов, предусматривающая допуск ошибок на обучающей выборке);
  • метод k ближайших соседей;
  • многослойный персептрон;
  • комитет ν-SVM классификаторов, построенных с разными значениями параметра ν;
  • классификатор на основе расстояния Махаланобиса.

Как и в утилите Genetic Algorithm для выбора наиболее информативных частотных диапазонов сигнала ЭЭГ реализована стратегия поиска с контролем переобучения. Результаты поиска (границы частотных диапазонов и соответствующие им оценки точности классификации) отображаются на экране.