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
李冬梅1
张洋2
杨日东3
陈子怡4
田翔华1
董楠3
尔西丁·买买提1
周毅5
1.新疆医科大学,新疆 乌鲁木齐,8300112.新疆医科大学第一附属医院神经内科,新疆 乌鲁木齐,8300113.中山大学中山医学院生物医学工程系,广东 广州,5100804.中山大学附属第一医院神经内科,广东 广州,5100805.新疆医科大学,新疆 乌鲁木齐 830011;中山大学中山医学院生物医学工程系,广东 广州 510080
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.
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
分类号：R318(医用一般科学)
资助基金：国家自然科学基金(61263011)中央高校基本科研业务费专项(15ykcj03d)广东省前沿与关键技术创新专项(2014B010118003,2015B010106008)
论文发表日期：2017-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 33-37 )
英文信息