- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于AdaBoost算法的癫痫脑电信号识别张涛陈万忠李明阳
基于AdaBoost算法的癫痫脑电信号识别
张涛 陈万忠 李明阳
Recognition of epilepsy electroencephalography based on AdaBoost algorithm
Zhang Tao Chen Wan-Zhong Li Ming-Yang
引用信息 Citation: Acta Physica Sinica, 64, 128701 (2015) DOI: 10.7498/aps.64.128701
在线阅读View online: /10.7498/aps.64.128701
当期内容View table of contents: /CN/Y2015/V64/I12
您可能感兴趣的其他文章
Articles you may be interested in
基于自适应模板法的脑电信号转移熵分析
Transfer entropy analysis of electroencephalogram based on adaptive template method
物理学报.2015 64(8): 088701 /10.7498/aps.64.088701
改进的相对转移熵的癫痫脑电分析
Analysis on relative transfer of entropy based on improved epileptic EEG
物理学报.2014 63(21): 218701 /10.7498/aps.63.218701
基于Kendall改进的同步算法癫痫脑网络分析
An improved synchronous algorithm based on Kendall for analyzing epileptic brain network
物理学报.2014 63(20): 208705 /10.7498/aps.63.208705
颠倒睡眠状态调制心率变异性信号的功率谱和基本尺度熵分析
Analysis on power spectrum and base-scale entropy for heart rate variability signals modulated by re-
versed sleep state
物理学报.2014 63(19): 198703 /10.7498/aps.63.198703
基于改进功率谱熵的抑郁症脑电信号活跃性研究
Activity analysis of depression electroencephalogram based on modified power spectral entropy
物理学报.2014 63(17): 178701 /10.7498/aps.63.178701
物 理 学 报 Acta Phys. Sin. Vol. 64, No. 12 (2015) 128701
基于AdaBoost算法的癫痫脑电信号识别?
张涛 陈万忠? 李明阳
(吉林大学通信工程学院, 长春 130012)
( 2014年 11月 24日收到; 2015年 1月 10日收到修改稿 )
AdaBoost算法作为Boosting算法的经典算法之一, 在人脸检测和目标跟踪等领域得到了广泛应用, 但该
算法也有一个缺点——退化问题. 为了解决这个问题, 通过对弱分类器进行筛选、引入平滑因子和权值修正
函数三个措施对算法进行优化, 并将优化后的算法与小波包分解相结合应用到癫痫脑电信号的识别上. 结果
表明, 本文算法对癫痫脑电信号的识别率为 96.11%, 对正常脑电信号的识别率为 99.51%, 具有较高的识别率,
为癫痫的正确诊断提供了一种可能有效的解决方案.
关键词: AdaBoost算法, 退化问题, 小波包分解, 癫痫脑电信号
PACS: 87.85.–d, 87.85.Ng, 87.15.A– DOI: 10.7498/aps.64.128701
1 引 言
脑电信号中包含了大量的生理与病理信息, 在
临床医学与脑科学的研究中具有非常重要的作用,
是进行神经系统疾病和症状特别是癫痫病诊断的
主要依据 [1]. 癫痫是由于脑部神经细胞群异常放
电引起的过性脑功能紊乱综合征, 是一种严重且
较顽固的慢性疑难性脑部疾病, 其发作时表现为大
脑神经元群兴奋性增高以及过度同步化放电, 并导
致短暂性中枢神经系统功能失常, 是神经系统疾病
中仅次于脑血管疾病的第二大顽症, 人群患病率为
0.5%—1%, 我国约有 600万癫痫患者, 每年新发病
例近 65万—70万 [2], 癫痫脑电信号的自动检测有
助于减轻医疗工作者的工作量, 进一步推进癫痫脑
电信号自动检测的研究, 在临床应用中具有现实且
重大的意义 [3].
庞春颖等
您可能关注的文档
最近下载
- ISO27001-2022信息安全管理体系内审全套记录表格.pdf VIP
- 六大纪律违纪风险点排查及对应防控措施.docx VIP
- 2022-2023学年天津市部分区高二(下)期末物理试卷(含解析).docx
- AQT9009-2015《生产安全事故应急演练评估规范》(AQT 9009-2015).pdf
- 预防艾滋病、梅毒和乙肝母婴传播登记及随访表.docx
- 园区保洁服务方案.docx
- DB-13 T 886-2007 森林害鼠预测预报与防治技术规程.pdf
- 关于新形势下党内政治生活的若干准则解读幻灯课件.pptx VIP
- SL101-2014水工钢闸门和启闭机安全检测技术规程.docx VIP
- 辽宁市政道路(桥梁)维修养护工程施工组织设计.doc
文档评论(0)