基于融合特征选择与R-ProCRC的癫痫发作检测算法

提出一种基于融合特征选择与鲁棒概率协同表示分类器(Robust Probabilistic Collaborative Representation Based Classifier, R-ProCRC)的癫痫发作自动检测算法。首先,对原始脑电(Electroencephalography, EEG)信号进行经验模态分解(Empirical Mode Decomposition, EMD)以及离散小波变换(Discrete Wavelet Transform, DWT);然后,对分解得到的各子波分别进行多种特征融合提取,并采用最大相关-最小冗余特征选择算法进行融合特征选择;最后,用R-ProCRC对选择后的数据特征进行检测。在Bonn数据集上采用十折交叉验证评估效果,取得较好的识别效果。仿真结果表明,提出算法的准确性、灵敏度和特异性分别达到99.70%,99.74%和99.66%,相比EMD算法和DWT算法,有显著提高。