点击次数：

论文类型：期刊论文

发表时间：2015-09-10

发表刊物：计算机应用

收录刊物：PKU、ISTIC、CSCD

卷号：35

期号：9

页面范围：2701-2705,2709

ISSN号：1001-9081

关键字：AdaBoost;极限学习机;小波变换;互信息;脑电信号分类

摘要：针对单一极限学习机(ELM)在癫痫脑电信号研究中分类结果不稳定、泛化能力差的缺陷,提出一种基于互信息(MI)的AdaBoost极限学习机分类算法.该算法将AdaBoost引入到极限学习机中,并嵌入互信息输入变量选择,以强学习器最终的性能作为评价指标,实现对输入变量以及网络模型的优化.利用小波变换(WT)提取脑电信号特征,并结合提出的分类算法对UCI脑电数据集以及波恩大学癫痫脑电数据进行分类.实验结果表明,所提方法相比传统方法以及其他同类型研究,在分类精度和稳定性上有着明显提高,并具有较好的泛化性能.