基于EMD和SVM的抑郁症静息态脑电信号分类研究

• 作者: 刘岩 李幼军 陈萌
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 抑郁症 脑电信号 固有模态分解 固有模态函数 支持向量机
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 21-26
• 页数: 6页
• 分类号: TP391.4
• 字数: 3654字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2016.148

摘要

以静息态脑电信号为基础,通过固有模态分解(empirical mode decomposition,EMD)算法对脑电信号进行信号去噪和特征值提取,通过支持向量机(support vector machine,SVM)算法对抑郁症患者和正常对照组人群的脑电特征值进行分类分析.通过系统化的数据采集试验,采集了20位抑郁症患者和25位健康对照组的静息态脑电信号;对静息态脑电信号进行信号的去噪和特征提取;采用SVM算法对抑郁症患者和正常人对照组脑电特征值进行二值分类,分类正确率达到93.3％.相较于传统的小波变换提取的特征值,分类准确率有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李幼军		11	51	4.0	7.0