脳波（EEG）を用いて機器を操作する，ブレインマシンインタフェース（BMI）の実現には，測定されたEEGを高速かつ正確に認識する仕組みが必要となる．本研究では，安静時と把握運動（右手，左手）時のEEGの認識に，サポートベクターマシン（SVM）を適用し，その有用性を検証した．これまでの半分の特徴量によって表現されたデータセットに対しても，先行研究を上回る予測精度が得られた．また，10-fold cross validationによるデータセット全体への汎用性の検証も行い，EEGのSVMによるクラス分類実験の初期としては，良好な結果を得ることができた．今後は，低い予測精度となった右手把握時のデータ解析から予測精度向上を図ると伴に，認識に有用な特徴量の抽出も検討する．