基于自回归模型和关联向量机的癫痫脑电信号自动分类

摘要：

癫痫脑电信号自动分类方法的研究具有重要意义.基于自回归模型和关联向量机,实现癫痫脑电信号的自动分类.采用自回归模型,进行脑电信号特征提取；通过引入主成分分析和线性判别分析两种特征变换方法,降低特征空间维数；采用关联向量机作为分类器,提高模型稀疏性并可以得到概率式输出.在对波恩大学癫痫研究中心脑电信号的分类中,所提出的方法最高准确率可以达到99.875％；在将特征空间维数降至原始维数的1/15时,分类准确率仍可达到99.500％；采用关联向量机作为分类器,模型稀疏性大幅提高,与支持向量机相比,同等条件下关联向量数仅为支持向量数的几十分之一.所提方法可以很好地应用于癫痫脑电信号的自动分类.

关键词：癫痫、自回归模型、主成分分析、线性判别分析、关联向量机

所属期刊栏目：30

分类号：R318.08(医用一般科学)

资助基金：国家自然科学基金61074096

在线出版日期：2012-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：864-870