基于XGBoost方法在脑电波数据上的大脑 年龄诊断研究

• 作者: 姜罗罗 徐伟
• 来源期刊: 温州大学学报（自然科学版）
• 学科: 工学
• 关键词: 脑电波 行为决策 熵 机器学习方法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 复杂性科学
• 页码范围: 47-55
• 页数: 9页
• 分类号: TP391.4
• 字数: 4379字
• 语种: 中文
• DOI: 10.3875/j.issn.1674-3563.2018.03.007

摘要

随着年龄的增长大脑的功能会衰退.可以通过决策实验获取年轻人和中老年人的行为决策脑电信号,定量分析大脑随年龄增长而出现的变化.本文提出了一种基于熵的脑电波刻画方法,结合机器学习的方法能够比较准确地诊断人类的大脑年龄.研究结果表明,年轻人和中老年人在原始脑电信号上存在明显的电压差异.此外,XGBoost的分类性能优于Logistic Regression(LR)方法的,最高精度可达91％,比LR的高出7.22％.通过XGBoost增益指标对特征重要性排序,发现在决策过程中受试者大脑中央和颞区域的决策反应差异最大,而机器学习分类方法更容易在这些特征区域做出更好的分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜罗罗	温州大学数理与电子信息工程学院	5	10	2.0	3.0
2	徐伟	温州大学数理与电子信息工程学院	1	1	1.0	1.0