文献知网节
  • 记笔记

基于GM-SVM的癫痫发作脑电信号识别

潘媛媛王培培叶明全卢小杰

皖南医学院医学信息学院

摘要:脑电图(Electroencephalogram,EEG)是诊断癫痫发作的重要依据。针对人工识别癫痫脑电信号中出现的效率低易误诊等问题,依据遗传算法和支持向量机理论,提出基于遗传算法结合支持向量机分类模型(GM-SVM)的癫痫发作脑电信号识别方法。将支持向量机相关参数设计成遗传个体,将遗传算法的适应度值设置为GM-SVM的识别准确率,通过迭代寻优获得较优的识别效果。最后,该方法在伯恩大学癫痫研究中心的脑电数据上进行训练和评估,结果表明该方法可以正确识别癫痫发作脑电信号,并达到98%的精度和99%的AUC(Area Under ROC Curve,ROC曲线下的面积),相较于其他分类算法有较优的识别性能。
  • DOI:

    10.13391/j.cnki.issn.1674-7798.2019.09.002

  • 专辑:

    教育与社会科学综合; 医药卫生; 电子技术及信息科学

  • 专题:

    神经病学; 电信技术; 自动化技术

  • 分类号:

    TN911.7;TP18;R742.1

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:24 页码:7-12 页数:6 大小:766K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者