摘要: 为实现癫痫患者的脑电信号有效识别,进而提高患者的生活质量,针对脑电信号的非平稳、非线性特点,
提出一种基于局部均值分解和迭代随机森林相结合的脑电信号分类方法。首先利用局部均值分解将脑电信号
分解成若干个乘积函数分量和一个残余分量,然后对所有分量进行特征提取,并使用支持向量机、随机森林和
迭代随机森林方法进行分类。实验结果表明,迭代随机森林的分类准确率高于支持向量机和随机森林方法。
此方法为准确识别癫痫脑电信号提供了一个可行有效的途径,具有较好的推广和应用价值。
中图分类号:
秦喜文, 郭宇, 董小刚, 郭佳静, 袁迪. 基于局部均值分解和迭代随机森林的脑电分类[J]. 吉林大学学报(信息科学版), 2020, 38(1): 64-71.
QIN Xiwen, GUO Yu, DONG Xiaogang, GUO Jiajing, YUAN Di. Classification of EEG Signals Using Local Mean Decomposition#br#
and Iterative Random Forest#br#[J]. Journal of Jilin University (Information Science Edition), 2020, 38(1): 64-71.