基于同步似然的脑电分类方法研究

• 作者: 曹锐 李聪改 武政 相洁 陈俊杰
• 来源期刊: 太原理工大学学报
• 关键词: 脑电信号 同步似然 样本熵 特征识别 SVM分类
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 510-514
• 页数: 5页
• 分类号: TP18|TP399
• 语种: 中文

摘要

脑电数据的分类方法一直是疾病诊断、脑机接口等研究的热点,其关键在于分类特征的选择.目前的分类特征(例如样本熵)多基于单个通道,而近期研究报道脑电通道之间存在着相互作用.因此,本文采用了同步似然性作为新的分类特征,并利用SVM分类算法在两组脑电数据上进行了验证.结果表明,同步似然性作为分类特征的结果优于样本熵,可在脑电数据分类中得到更广泛应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学计算机科学与技术学院	220	1728	20.0	30.0
2	相洁	太原理工大学计算机科学与技术学院	34	182	9.0	12.0
3	曹锐	太原理工大学计算机科学与技术学院	24	100	5.0	9.0
4	李聪改	太原理工大学计算机科学与技术学院	4	12	2.0	3.0
5	武政	太原理工大学计算机科学与技术学院	3	18	3.0	3.0