换一批经验模式分解与代价敏感支持向量机在癫痫脑电信号分类中的应用
Classification and Prediction of EEG based on Empirical Mode Decomposition
摘要提取出脑电信号中微弱征兆信息,可以更好地了解脑电信号的特征,但由于各类外界信号的相互混叠,信号呈现出非线性、非平稳性,因此脑电信号的提取是个难题.为此本研究提出了优于小波分解的经验模式分解(EMD)算法对脑电信号进行分解,提取主要IMF分量的特征值,随后采取代价敏感支持向量机(CSVM)进行分类,并对参数进行寻优.在对癫痫患者脑电信号研究的实验中,分类准确率均达到90%以上,验证了本方法的可行性.
更多相关知识
关键词
脑电信号癫痫经验模式分解代价敏感支持向量机参数寻优ElectroencephalogramEpilepsyEmpirical mode decompositionCost-sensitive SVMParameter optimization
分类号
R318（医用一般科学）
栏目名称
DOI
10.19529/j.cnki.1672-6278.2017.01.07
发布时间
2017-04-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览151
- 被引15
- 下载17
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
