文献类型：期刊文章

作　　者：李钢[1] 王蔚[1] 张胜[2]

机构地区：[1]南京师范大学教育科学学院,江苏南京210097 [2]浙江师范大学信息技术学院,浙江金华321004

出　　处：《计算机应用》

年　　份：2006

卷　　号：26

期　　号：6

起止页码：1431-1433

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：首先采用小波变换提取精神分裂症与健康人的脑电信号频率和空间的能量特征,然后用基于统计学习理论的支持向量机(SVM)分类器进行训练和分类测试,并比较了不同核函数和参数对脑电信号分类正确率的影响,最后与RBF神经网络的分类能力进行了实验比较。试验结果表明,利用基于支持向量机和能量特征的方法实现对脑电信号的分类可以取得理想的效果,精神分裂症患者和健康人的16导脑电信号在能量特征上表现出较高的模式可分性。这种分类方法在精神分裂症患者的病理诊断中具有一定的应用价值。

关 键 词：支持向量机 小波变换 脑电 分类  

分 类 号：TP311.13]