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