| 基于SVM和小波分析的脑电信号分类方法 |
| |
| 引用本文： | 赵建林,周卫东,刘凯,蔡冬梅.基于SVM和小波分析的脑电信号分类方法[J].计算机应用与软件,2011,28(5). |
| |
| 作者姓名： | 赵建林 周卫东 刘凯 蔡冬梅 |
| |
| 作者单位： | 1. 山东大学信息科学与工程学院,山东,济南,250100;河南商业高等专科学校计算机系,河南,郑州,450044
2. 山东大学信息科学与工程学院,山东,济南,250100 |
| |
| 基金项目： | 山东省自然科学基金项目(Y2007G31); 山东大学自主创新基金项目 |
| |
| 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。
|
| 关 键 词： | 支持向量机 小波分析 脑电 训练 分类 |
EEG SIGNAL CLASSIFICATION METHOD BASED ON SVM AND WAVELET ANALYSIS |
| |
| Zhao Jianlin,Zhou Weidong,Liu Kai,Cai Dongmei.EEG SIGNAL CLASSIFICATION METHOD BASED ON SVM AND WAVELET ANALYSIS[J].Computer Applications and Software,2011,28(5). |
| |
| Authors: | Zhao Jianlin Zhou Weidong Liu Kai Cai Dongmei |
| |
| Affiliation: | Zhao Jianlin1,2 Zhou Weidong1 Liu Kai1 Cai Dongmei11(School of Information Science and Engineering,Shandong University,Jinan 250100,Shandong,China)2(Department of Computer,Henan Business College,Zhengzhou 450044,Henan,China) |
| |
| Abstract: | Due to the differences of EEG signal waveforms and spatial energy characteristics between epilepsy patients and healthy person,we employ two methods to classify these two kinds of signals.The one is to train and classify signals by SVM(Support Vector Machines) classifier,the other is the synthetic application of wavelet analysis and SVM.Then the classification accuracy of these two methods on normal EEG and epileptic EEG is compared.Results of the experiments show that the method of SVM combining wavelet an... |
| |
| Keywords: | SVM Wavelet analysis EEG Training Classification |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
