首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
模糊熵算法在提取脑电信号特征时存在信号序列长度、步长等诸多参数不易调整的问题。提出一种基于局部均值分解、模糊熵以及共空间模式算法的特征提取方法:L-FECSP算法。首先,利用LMD算法将经预处理的运动想象脑电信号分解为多个PF分量,根据左右手运动想象脑电信号所处的频段选出包含α节律和β节律的PF分量。采用模糊熵算法提取已选择的PF分量的特征,使用共空间模式算法对得到的特征进行投影映射。最后,对比投影前后的特征向量,并选取其中最具区分度的特征输入到支持向量机中用于分类。采用BCI竞赛数据集进行实验,平均分类准确率达到95.30%,实验结果表明L-FECSP特征提取方法能够有效地区分左右手运动想象脑电信号。  相似文献   

2.
基于LMD近似熵和PSO-ELM的齿轮箱故障诊断   总被引:1,自引:0,他引:1  
《机械传动》2017,(8):109-113
针对齿轮箱使用中常见的故障检测与识别问题,考虑到齿轮箱振动响应信号非线性、非平稳的特性,提出基于局域均值分解(LMD)的近似熵和粒子群优化的极限学习机(PSO-ELM)结合的齿轮箱故障诊断方法。首先,使用LMD分解方法对齿轮箱各工况的振动信号进行分解,结合相关系数选取反映主要故障信息的前4个PF分量。利用近似熵进行定量描述,组成特征向量。最后用粒子群算法对ELM的输入权值与隐含层神经元阈值进行优化,建立PSO-ELM模型,并将近似熵特征值输入到ELM和PSO-ELM模型中,对齿轮箱不同工况进行故障识别与分类。结果表明,基于LMD近似熵和粒子群优化的ELM有更高的分类正确率,验证了该方法的可行性。  相似文献   

3.
自动癫痫脑电检测对癫痫的诊断具有重要意义,可以减轻监测长期脑电的工作强度。本文提出和探讨一种基于梯度boosting的长程脑电癫痫检测的新机器学习算法。该算法提取长程脑电的相对波动指数作为特征,采用梯度boosting算法训练分类器来识别发作和正常脑电。最后采用平滑和"collar"技术作为后处理进一步提高检测准确率。利用弗莱堡21位病人的脑电数据对该癫痫检测算法进行评估,实验表明,该算法的平均灵敏度为94.6%,误检率为0.18/h。  相似文献   

4.
癫痫是常见的神经系统疾病之一。癫痫发作的识别通常采用脑电测量记录中的癫痫发作起始点,以辅助医生进行诊断并对患者的发作状态报警。利用脑电信号的瞬态参数提出了一种自适应带宽特征,可用于提高癫痫发作检测精度。首先,利用经验模态分解(EMD)求得脑电信号的本征模态函数(IMF),并计算特定阶次IMF的解析信号;其次,利用该解析信号求解瞬时幅值与瞬时频率,对EEG信号的带宽特征添加权重,得到可用于癫痫检测的自适应带宽特征(Adaptive Bandwidth);最后,利用该特征完成癫痫发作检测。采用长达118 h 49 min的癫痫患者临床脑电数据进行实验,实验结果表明,自适应带宽特征的敏感性、特异性、准确性参数均比原特征取得明显提高。自适应带宽特征可提高癫痫发作检测精度并降低时间延迟,便于及时采取治疗措施,为临床检测提供了重要依据。  相似文献   

5.
针对现有癫痫脑电(EEG)识别算法分类模式单一、普适性不强的问题,提出了一种新的基于双密度离散小波变换(DDDWT)和Log-Logistic参数回归(LLPR)的脑电信号自动识别方法。不仅利用了DD-DWT算法的分解特性,还建立了脑电信号的LLPR模型,并将二者有机的结合,从而更好的发挥算法的优势。滤波后脑电信号由DD-DWT进行6层分解,提取各子频带系数的小波域能量波形,并结合LLPR模型计算尺度参数α和形状参数β以表征信号,将构成的特征向量送入遗传算法(GA)优化的支持向量机(SVM)得出识别结果,从而实现脑电信号的自动识别。所提方法在处理A\D\E与AB\CD\E两种多模式脑电分类问题时,识别率分别为98.90%和97.75%。实验结果表明,所提算法更符合实际应用需求,可以较好地解决多类脑电信号识别问题,具有良好的普适能力和分类性能。  相似文献   

6.
胡瑞芬  李光  张锦 《仪器仪表学报》2006,27(Z3):2187-2188
基于控制信号为皮层慢电位的脑机接口数据,本文提出了一种脑电模式识别的新方法.该算法将脑电数据的近似熵值、自相关系数和皮层慢电位组合成新的特征向量,并选取k-近邻法作为分类器进行模式识别.在公开测试集中,新算法能达到较高的识别率,同时表明近似熵和自相关系数可以作为新参量对脑电数据进行分析.  相似文献   

7.
致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换(CWT)对脑电信号进行时频分析,获得脑电信号时频图;然后迁移学习AlexNet网络模型,调整网络结构使之适应于致痫区脑电识别,将模型第7层全连接层输出作为脑电信号时频图的特征表示,最后利用支持向量机(SVM)、BP神经网络、长短期记忆网络(LSTM)、基于稀疏表达分类算法(SRC)、线性判别分析(LDA)等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果,得到SVM算法的平均特异性为88.81%,灵敏度为88.07%,准确率为88.44%,证明了该方法识别致痫区脑电信号的有效性。  相似文献   

8.
针对脑活动过程功能连接网络分析问题,将图谱域分析技术应用于脑电网络研究中。对各导联脑电信号特征节律提取、不同测量节点之间脑电信号特征节律相关系数邻接矩阵及拉普拉斯矩阵进行了研究,并对拉普拉斯矩阵分解得到的不同阶次分量矩阵以及二值化处理得到的不同阶次脑电网络拓扑结构进行了分析,提出了一种基于图谱分析的脑电网络研究方法;采用癫痫患者正常情况与癫痫发作阶段的脑电信号对提出的方法进行了测试。实验结果表明:在两种情况下,提出的图谱分析方法均能有效提取不同变化模式的脑电网络拓扑结构,并能实现正常区域与癫痫发作区域的有效分类,接收者操作特征曲线下面积为0. 834;分类结果优于常用的对比方法。  相似文献   

9.
对于需要长期脑电图监测的癫痫患者,癫痫自动检测技术是十分必要的。本文所提出的基于多导联长程脑电的算法,首先,对脑电信号进行五层小波分解,取其中三层并求和,然后建立直方图并计算它们之间的距离。本文使用了一种有效的推土机距离算法,提出了脑电新特征EMD-L1。由于EMD-L1利用了L1范式,有效降低了时间复杂度,提高了运算速度。本文采用支持向量机作为分类器,并对支持向量机的输出做了后处理,其中包括平滑滤波和"collar"技术,以获取更准确的检测结果。本文将所提出的方法与其他使用相同脑电数据库的癫痫检测方法相比较,实验结果表明本文提出的算法达到了较高的灵敏度95.73%、特异性98.45%以及较低的误判率0.33/h。该检测系统不但具有较高的精确度和较强的鲁棒性,而且可以对脑电数据进行实时分析,用于长期脑电监测中。  相似文献   

10.
为了提高手部动作的识别率与响应速度。提出综合特征选择与排列组合的组合特征法并与极限学习计算法(ELM)相结合的多手势模式精准识别方法。首先,运用肌电传感器采集八种手势动作;进而运用去噪技术与起止点检测技术对肌电信号进行预处理;其次,分别提取肌电信号时域、频域、时频域、4阶AR系数和非线性特征,将组合特征法与皮尔森相关系数法和主成分析法(PCA)选优的特征集进行对比;最后,用所选特征集与最优滑动窗相结合,运用极限学习机、神经网络(BP)和支持向量机(SVM)算法进行手势分类。实验结果表明,结合组合特征法与最优滑动窗口设计的ELM算法模型最优,平均识别率高达97.1%,结果超BP算法17.02%,且具有最短的训练与测试时间,有效证明所提方法的精准性和实时性。  相似文献   

11.
为提高下肢假肢步态识别的准确性,提出一种基于鱼群(fish swarm,简称FA)算法优化极限学习机(extreme learning machine,简称ELM)的模式识别方法。首先,提取张量投影特征,分析了特征值选取的合理性;其次,采用主成分分析法降维;最后,利用鱼群算法进化极限学习机分类识别平地行走、上楼、下楼、上坡及下坡5种步态,识别准确率达到97.45%。通过实验比较了该算法与极限学习机等分类器在假肢步态分类上的识别准确率与识别时间,结果表明,FA-ELM方法识别准确率优于其他方法。  相似文献   

12.
The image reconstruction of the electrical capacitance tomography (ECT) is an ill-posed and sparse problem. In order to increase the accuracy and speed of the image reconstruction, this paper proposes a new reconstruction algorithm which is based on the extreme learning machine (ELM) with the Landweber iteration method. Firstly, a nonlinear mapping model is established between the pixel gray-scale values and the interelectrode capacitances by using the ELM which has a good learning ability and high speed. Secondly, the Landweber iteration method, which has a good performance in convergence and stability, is applied to calculate the output weight matrix of ELM. Finally, a convergence and stable mapping model of ELM with the Landweber iteration algorithm (L-ELM) for ECT image reconstruction is trained on Matlab platform. Both simulation and measurement tests are carried out to evaluate and analyze the proposed method. Experimental results indicate that the proposed algorithm has good generalization ability and high image reconstruction quality which are better than those of conventional ELM algorithm.  相似文献   

13.
基于HHT和SVM的运动想象脑电识别   总被引:7,自引:5,他引:2  
对运动想象脑电信号(EEG)分类识别是脑-机接口(BCI)研究领域的重要问题。本文通过经验模式分解(EMD)将EEG分解为一系列内蕴模式函数(IMF),并对重要IMF的瞬时幅度提取AR模型参数,同时对所有的IMF进行Hilbert变换(HT)得到Hilbert谱,进而求得瞬时能量(IE)。将得到的AR参数和IE,结合时域均值和中值绝对偏差估计(MAD),组成初始特征,然后利用经遗传算法(GA)优化的支持向量机(SVM)进行分类,得到识别结果。对2008年BCI CompetitionⅣDataset 1中想象左手和脚运动的两组数据进行识别,在仅仅使用少数通道的情况下,识别正确率分别达到84.7%和85.8%,初步验证了该方法的有效性。  相似文献   

14.
针对湿式球磨机在磨矿过程中内部负荷靠专家经验难以准确预测的问题,提出一种基于改进的共生生物搜索(ameliorated symbiotic organisms search,简称ASOS)-极限学习机(extreme learning machine,简称ELM)的磨机负荷软测量方法。首先,利用ELM算法建立磨机负荷软测量模型,运用ASOS算法优化软测量模型的隐含层参数;其次,以筒体振动与振声信号的特征信息构建磨机负荷特征向量,并将其作为软测量模型的输入,将磨机负荷参数作为输出;最后,通过磨矿负荷检测实验和对比分析表明,磨机负荷软测量模型的负荷参数预测准确率较高,泛化能力较强,为磨机磨矿效率的提高及控制优化提供了有益的指导。  相似文献   

15.
针对通用的智能故障诊断方法在石化滚动轴承中准确率不理想的问题,提出一种通过改进的布谷鸟算法( CS )优化极限学习机( ELM )使诊断准确率提高的模型。将实测轴承振动信号降噪处理,计算不同嵌入维度下的关联维数作为 ELM 的输入信号;通过改进的布谷鸟算法获取极限学习机最优的隐含层偏置、输入权重,最后输出诊断结果。经过实验证明,该方法可以有效地克服测量信号时的干扰,可以对不同故障下的滚动轴承准确识别,并与多种模型对比,该方法的故障诊断准确率为 97.5% 。  相似文献   

16.
为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解(redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD)和极限学习机(extreme learning machine,简称ELM)相结合的故障特征提取和分类识别方法。首先,利用希尔伯特变换对原始振动信号进行处理,得到包络信号;其次,基于双层筛选机制,结合冗余二代小波包变换(redundant second generation wavelet packet transform,简称RSGWPT)和局部特征尺度分解(local characteristic-scale decomposition,简称LCD)方法对包络信号进行分解,筛选出包含主要信息的内禀尺度分量(intrinsic scale components,简称ISCs);然后,对提取的各ISCs分量构建初始特征矩阵并进行奇异值分解(singular value decomposition,简称SVD),将得到的奇异值作为表征各损伤信号的特征向量;最后,以提取的特征向量为输入样本,建立ELM模式分类器对滚动轴承损伤信号进行识别。信号仿真和实测数据表明,该方法可有效提取振动信号故障特征,提高分类识别精度,实现滚动轴承故障诊断。  相似文献   

17.
In this study, a novel R wave detection algorithm was developed and used to analyze the heart rate variability (HRV) of obstructive sleep apnea patients with obstructive sleep apnea (OSA). The purpose of our study was to investigate the biosignal changes in the synchronization between HRV, nasal pressure, and the effect of OSA. HRV, nasal pressure, and sleep electroencephalogram (EEG) signals recorded in control and OSA patients with sleep apnea who were matched according to EEG arousal in OSA during sleep apnea. Experiment steps were completed for R–R interval calculation and to estimate its power spectral density (PSD) over several frequency ranges of apnea states (severe, moderate and mild). Patients with severe OSA had persistently longer R–R intervals compared to patients with mild OSA. As a measure of apnea classification accuracy, the algorithm correctly classified 99.7% of the evaluation database. An advantage of the proposed method is the combination of R wave detection techniques to enhance the accuracy of wave detection that is easily implemented with HRV verified by accurate classification and quantification.  相似文献   

18.
特征选择可以去除冗余特征提高机械故障诊断精度和诊断效率。对于支持矢量机(SVM)作为故障决策器, 提出基于特征灵敏度分析的特征选择方法。此方法通过分析候选特征子集对SVM输出的影响大小,以此作为特征选择标准,并采用遗传算法搜索最佳特征子集。数值仿真和柴油机故障特征选择试验结果显示此方法有较好的寻优特征子集的能力,能够提高故障诊断的精度和效率。  相似文献   

19.
P300 Speller中基于AdaBoost SVM的导联筛选研究   总被引:1,自引:0,他引:1  
P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。  相似文献   

20.
为了解决在线贯序极限学习机(OS-ELM)算法容易产生奇异矩阵、算法贯序更新过程中没有考虑训练样本时效性的问题,提出基于l2-正则化和自适应遗忘因子的OS-ELM(RFOS-ELM)算法。RFOS-ELM在初始阶段加入正则化机制,克服因矩阵奇异而降低OS-ELM泛化能力的缺点。在贯序更新阶段,RFOS-ELM通过引入自适应遗忘因子实时调整新旧训练样本所占比重,推导正则化条件下带遗忘因子RFOS-ELM的递推更新算法,提高其对动态变化系统的跟踪能力。某型无人机机载发射机故障预测实例表明,相比于传统OS-ELM和正则化OS-ELM算法,本文提出方法具有更高的预测精度。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号