| 基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法 |
| |
| 引用本文： | 李明阳,陈万忠,张涛. 基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法[J]. 仪器仪表学报, 2017, 38(6): 1368-1377 |
| |
| 作者姓名： | 李明阳 陈万忠 张涛 |
| |
| 作者单位： | 吉林大学通信工程学院长春130012,吉林大学通信工程学院长春130012,吉林大学通信工程学院长春130012 |
| |
| 基金项目： | 吉林省科技发展计划自然基金（20150101191JC）、吉林大学研究生创新项目（2016092）、中央高校基本科研业务费专项资金(451170301193)资助 |
| |
| 摘 要： | 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ADE与ABCDE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。
|
| 关 键 词： | 癫痫；脑电；双密度离散小波变换；Log Logistic参数回归模型 |
Automatic epilepsy EEG recognition method based on DD-DWT and Log-Logistic parameter regression |
| |
| Li Mingyang,Chen Wanzhong and Zhang Tao. Automatic epilepsy EEG recognition method based on DD-DWT and Log-Logistic parameter regression[J]. Chinese Journal of Scientific Instrument, 2017, 38(6): 1368-1377 |
| |
| Authors: | Li Mingyang Chen Wanzhong Zhang Tao |
| |
| Affiliation: | Department of Communication Engineering, Jilin University, Changchun 130012, China,Department of Communication Engineering, Jilin University, Changchun 130012, China and Department of Communication Engineering, Jilin University, Changchun 130012, China |
| |
| Abstract: | |
| |
| Keywords: | epilepsy electroencephalogram (EEG) double density discrete wavelet transform (DD DWT) Log Logistic parameter regression (LLPR) model |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载免费的PDF全文 |
|
