004基于离散小波变换和机器学习分类器的癫痫发作检测技术

An Efficient Epileptic Seizure Detection Technique using Discrete Wavelet Transform and Machine Learning Classifiers

摘要:提出了一种基于离散小波变换(DWT)和机器学习分类器的癫痫检测方法。这里,DWT被用于特征提取,因为它可以更好地分解不同频带的信号。首先,将离散小波变换应用于脑电信号,提取脑电信号中不同子带的细节系数和近似系数。在提取系数后,对不同的子带进行主成分分析,然后采用特征级融合技术提取低维特征空间中的主要特征。三种分类器名称:支持向量机(SVM)分类器、K-Nearest-Neighbor(KNN)分类器和Naive Bayes(NB)分类器已用于对EEG信号进行分类。提出的方法在波恩数据库上进行了测试,为KNN、SVM、NB分类器提供了最高100%的识别准确率。

Keyword: Electroencephalography (EEG), Discrete wavelet transform (DWT),Principal Component Analysis (PCA), Machine learning classifiers.

1. Introduction 

癫痫发作是一种神经系统疾病,可以通过分析大脑神经元产

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值