标题:基于SVM和小波分析的脑电信号分类方法
作者:赵建林;周卫东;刘凯;蔡冬梅
作者机构:[赵建林] 山东大学信息科学与工程学院, 济南, 山东 250100, 中国.;[周卫东] 山东大学信息科学与工程学院, 济南, 山东 250100, 中国.;[刘凯] 山东大学信息科学与工 更多
来源:计算机应用与软件
出版年:2011
卷:28
期:5
页码:114-116
关键词:支持向量机; 小波分析; 脑电; 训练; 分类
摘要:根据癫痫脑电信号与正常脑电信号波形和能量特征的不同, 研究了两种的脑电信号分类方法, 一种采用支持向量机SVM(Support Vector Machines)分类器对正常脑电和癫痫脑电进行分类;另一种使用小波分析和支持向量机相结合的方法对脑电进行分类, 并比较了这两种方法对正常脑电和癫痫脑电分类的正确率。实验结果表明, 小波分析和SVM结合的方法对脑电信号分类可以取得更好的效果, 能有效区分癫痫脑电和正常脑电。
收录类别:CSCD
资源类型:期刊论文
原文链接:http://kns.cnki.net/kns/detail/detail.aspx?FileName=JYRJ201105035&DbName=CJFQ2011
TOP