改进的极限学习机在癫痫脑电分类中的应用

• 作者: 李牧潇 王杰
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 癫痫脑电 样本熵 自适应差分进化极限学习机
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 仿真智能化
• 页码范围: 343-346,351
• 页数: 5页
• 分类号: TP18
• 字数: 4102字
• 语种: 中文

摘要

研究癫痫脑部疾患的脑电分类识别问题,由于癫痫是大脑神经元异常和过度的超同步化放电所造成的临床现象,脑电图(EEG)是目前最常用的监测与诊断癫痫疾病的方法.由脑电图仪监测得到的脑电信号数量巨大,单凭人工的诊断十分耗时,且有可能因为主观因素而产生误判.为了提高对癫痫脑电信号的自动识别和诊断的准确性,提出了样本熵(SampEn)与AR模型特征提取以及自适应差分进化极限学习机(SaE-ELM)相结合的方法来达到识别癫痫脑电信号的目的.实验表明采用上述特征提取及分类算法可达到97％的分类准确度,验证了上述方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	郑州大学电气工程学院	142	1137	17.0	27.0
2	李牧潇	郑州大学电气工程学院	1	11	1.0	1.0