基于EEG的睡眠数据的分类.pdfVIP

第 ２４ 卷 第 5 期 电子设计工程 ２０１６ 年 3 月 Vｏl．２４ Ｎｏ．5 Eleｃtrｏniｃ Design Engineering Mar． ２０１６ 基于EEG 的睡眠数据的分类 李倩云 ， 夏 斌 （上海海事大学 上海 ２０１3０６ ） 摘要 ： 睡眠研究对于人的身心健康和工作生活有着重要的意义 。 睡眠过程中不同状态的标注 ，是睡眠研究的一个基 础工作 。 本文采用单通道的脑电信号数据 ，将数据输入到深度置信网络中进行特征表达和分类学习 。 通过利用 3９ 个 晚上的睡眠数据进行测试 ，达到了 8２．２６%的平均分类准确率 。 关键词 ： 睡眠 ； 深度学习 ； EEG ； DBＮ 中图分类号 ： 文献标识码 ： 文章编号 （ ） ＴＮ０ Ａ ： １６7４－６２3６ ２０１６ ０5－００２６－０3 Sleep classification based on EEG LI Qian-yun ， XIＡ Bin （Shanghai Maritime University ， Shanghai ２０１3０６ ， China ） Abstract: Ｔｈe researｃｈ ｏf sleeping is iｍpｏrtant fｏr ｏur peｏple′s ｈealtｈy ， wｏrk and life． Labeling different stages ｏf sleep data is tｈe basiｃ jｏb in tｈe study ｏf sleep． In tｈis paper ， we used a single ｃｈannel ｏf EEG ， and put tｈe data intｏ tｈe deep brief netwｏrks tｏ represent features and dｏ tｈe ｃlassifiｃatiｏn ， tｈe average aｃｃuraｃy is 8２．8６% based ｏn 3９ datasets． Key words: sleeping ； deep learning ； EEG ；DBＮ 睡眠是人类不可或缺的一项生理活动 ，人的睡眠时间占 深度学习根源于神经网络算法 ，“深度 ”源 于其 含 有 多层 到 了人类生命的 １/3。 正 常 人每 天 的 平 均 睡 眠 时间 是 7．5 小 网 。 深度学习的方法是 受到 大脑的分层处 理 机制 的启 发发 展 时 。 良好的睡眠是保证人类身心健康和工作生活的基础。 睡 而来的 。 典型 的浅层 的机器 学习算法 包括应马 尔 科夫 模 型 、 眠障 碍 会 导 致 人 产 生焦 虑 ，抑 郁 等 精 神 问 题 ，还 会 引 起 心 血 最大 熵模型 、支持向 量 机 等 ，均为单层结构 。 因为其自身存 在 管 、 内 分 泌 等 疾 病 进 而 影 响 工 作 能 力 ，甚 至 导 致 车 祸 等 严 重 的局限 性[5] ，从 而激 发了 利用 深度网络的动机 。 事件的发生[１] [６] 。 目前在医学领域、生物工程领域甚至是交通