原文服务方: 华侨大学学报(自然科学版)       
摘要:
为解决用小波变换方法进行脑电图(EEG)多分类自动识别容易出现特征信号混同化、识别率不高的问题,将小波变换中小波基的选取方法由单个的小波母函数改为能适应不同波形的多小波基,然后用支持向量机的方法进行分类.结果表明:在典型的脑电波EEG信号自动识别中,与传统的单小波母函数相比,多小波基(小波母函数序列)能检测出更多的特征波形;用基于多小波基的小波变换识别方法要明显优于基于传统的Coif,Morlet等单小波基小波变换方法.
推荐文章
小波变换理论应用进展
小波变换
神经网络
模糊逻辑
专家系统
粗糙集
遗传算法
小波变换思想及其在信号处理中的应用
连续小波变换
离散小波变换
傅里叶变换
短时傅里叶变换
小波变换在信号处理中的应用
小波变换
多分辨率分析
重叠信号
癫痫脑电棘波的小波变换模极大值对检测方法
癫痫脑电
棘波
小波变换
模极大值对
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 采用小波变换的脑电图信号分析及其应用
来源期刊 华侨大学学报(自然科学版) 学科
关键词 脑电图 自动识别 多小波基 小波变换 支持向量机
年,卷(期) 2015,(2) 所属期刊栏目
研究方向 页码范围 166-170
页数 5页 分类号 R444|TN911.6
字数 语种 中文
DOI 10.11830/ISSN.1000-5013.2015.02.0166
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 魏武 华南理工大学自动化科学与工程学院 48 370 10.0 16.0
2 陈鹏慧 湖南信息职业技术学院电子工程学院 24 23 2.0 3.0
3 蔡琼 湖南信息职业技术学院电子工程学院 24 31 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (31)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(8)
  • 参考文献(2)
  • 二级参考文献(6)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(8)
  • 参考文献(1)
  • 二级参考文献(7)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
脑电图
自动识别
多小波基
小波变换
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华侨大学学报(自然科学版)
双月刊
1000-5013
35-1079/N
大16开
1980-01-01
chi
出版文献量(篇)
2681
总下载数(次)
0
总被引数(次)
14643
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导