大连理工大学主页平台管理系统韩敏--中文主页-- 基于自回归模型和关联向量机的癫痫脑电信号自动分类

论文成果

基于自回归模型和关联向量机的癫痫脑电信号自动分类

点击次数：
论文类型：期刊论文
发表时间：2011-12-20
发表刊物：中国生物医学工程学报
收录刊物：Scopus、PKU、ISTIC、CSCD
文献类型：J
卷号：30
期号：6
页面范围：864-870
ISSN号：0258-8021
关键字：癫痫;自回归模型;主成分分析;线性判别分析;关联向量机
摘要：癫痫脑电信号自动分类方法的研究具有重要意义.基于自回归模型和关联向量机,实现癫痫脑电信号的自动分类.采用自回归模型,进行脑电信号特征提取；通过引入主成分分析和线性判别分析两种特征变换方法,降低特征空间维数；采用关联向量机作为分类器,提高模型稀疏性并可以得到概率式输出.在对波恩大学癫痫研究中心脑电信号的分类中,所提出的方法最高准确率可以达到99.875％；在将特征空间维数降至原始维数的1/15时,分类准确率仍可达到99.500％；采用关联向量机作为分类器,模型稀疏性大幅提高,与支持向量机相比,同等条件下关联向量数仅为支持向量数的几十分之一.所提方法可以很好地应用于癫痫脑电信号的自动分类.

上一条：基于GPRS的监控软件和网站的设计与实现

下一条：应用于地物识别的改进轮转森林算法

韩敏 var u_u6_pic = new ImageScale("u_u6_",140,140,true,true);u_u6_pic.addimg("/_resources/group1/M00/00/15/ynZMg18RfFmAam34AAMuWQQrad0439.JPG","","韩敏","6384");