标题:SVM和小波分析方法在脑电分类中的应用
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
通讯作者地址:Zhao, J.
来源:生物医学工程学杂志
出版年:2011
卷:28
期:2
页码:277-279
关键词:支持向量机; 小波分析; 脑电; 癫痫; 分类
摘要:根据癫痫发作前后脑电(EEG)波形,能量,频率特征的不同,本文研究了两种小波分析和支持向量机(SVM)结合的脑电分类方法.一种直接利用EEG的波 形特征对癫痫发作间歇期脑电和癫痫脑电进行分类,另一种采用EEG信号的波动指数和变化系数为特征进行分类;并比较了这两种方法分类的正确率.实验结果表 明,两种方法均能有效区分间歇期脑电和癫痫脑电,以波动指数和变化系数为特征的方法具有更好的分类效果
收录类别:CSCD;SCOPUS
Scopus被引频次:3
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-84879791903&partnerID=40&md5=d5e466eb62e2a95fa91965dad8c62068
TOP