换一批基于自回归模型和关联向量机的癫痫脑电信号自动分类
Automatic Classification of Epileptic EEG Signals Based on AR Model and Relevance Vector Machine
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.
更多相关知识
医学主题词
癫痫(Epilepsy)主成分分析(Principal Component Analysis)判别分析(Discriminant Analysis)方法(Methods)研究(Research)
分类号
R318.08（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2011.06.011
发布时间
2012-03-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61074096）
- 浏览432
- 被引18
- 下载21
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
