文献类型：期刊文章

作　　者：赵建林[1,2] 周卫东[1] 刘凯[1] 蔡冬梅[1]

机构地区：[1]山东大学信息科学与工程学院,山东济南250100 [2]河南商业高等专科学校计算机系,河南郑州450044

出　　处：《计算机应用与软件》

基　　金：山东省自然科学基金项目(Y2007G31);山东大学自主创新基金项目

年　　份：2011

卷　　号：28

期　　号：5

起止页码：114-116

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、JST、ZGKJHX、普通刊

摘　　要：根据癫痫脑电信号与正常脑电信号波形和能量特征的不同,研究了两种的脑电信号分类方法,一种采用支持向量机SVM(Support Vector Machines)分类器对正常脑电和癫痫脑电进行分类;另一种使用小波分析和支持向量机相结合的方法对脑电进行分类,并比较了这两种方法对正常脑电和癫痫脑电分类的正确率。实验结果表明,小波分析和SVM结合的方法对脑电信号分类可以取得更好的效果,能有效区分癫痫脑电和正常脑电。

关 键 词：支持向量机 小波分析 脑电 训练  分类  

分 类 号：TP391.41]