基于FSWT 和GBDT 的癫痫脑电信号分类研究

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (2): 186-193.

基于FSWT 和GBDT 的癫痫脑电信号分类研究

李昕迪，陈万忠

吉林大学通信工程学院，长春130012

收稿日期:2019-01-15 出版日期:2019-03-25 发布日期:2019-06-11
作者简介:李昕迪( 1993— ) ，男，长春人，吉林大学硕士研究生，主要从事分布式智能信息处理研究，( Tel) 86-18088660269( E-mail) 714065733@ qq． com; 陈万忠( 1964— ) ，男，长春人，吉林大学教授，博士生导师，主要从事分布式智能信息处理研究，( Tel) 86-13500801366( E-mail) chenwz@ jlu． edu． cn。
基金资助:
吉林省科技发展计划自然基金资助项目( 20160101191JC)

Classification of Epileptic EEG Signals Based on Frequency Slice Wavelet Transform and Gradient Boosting Decision Tree#br#

LI Xindi，CHEN Wanzhong

College of Communication Engineering，Jilin University，Changchun 130012，China

Received:2019-01-15 Online:2019-03-25 Published:2019-06-11

摘要/Abstract

摘要： 为解决癫痫脑电信号分类类别以及分类精度不足的问题，使用频率切片小波变换对脑电数据进行信号重构，得到5 个频段的节律信号，再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值，充分提取信号的特征信息。随后使用梯度提升树算法对得到的特征数据集进行多分类。实验表明，该算法对癫痫脑电信号的三分类识别率为98． 4%。较传统Adaboost 算法，该方法采取了GBDT( Gradient Boosting Decision Tree) 作为分类算法，成功利用更多的数据集，并且使得分类精度更高。

关键词: 癫痫脑电信号, 频率切片小波变换, 近似熵, 波动指数, 梯度提升树

Abstract: In order to solve the problem of classification and accuracy of epilepsy EEG( Electroencephalogram)signals，frequency slice wavelet transform was used to reconstruct EEG data and get five frequency bands of rhythmic signals． We use approximate entropy of non-linear index and fluctuation index of linear index as the eigenvalues of epileptic signals to fully extract the characteristic information of signals． Gradient lifting tree algorithm was used to classify the feature data set． The classification recognition rate of epileptic EEG signals is 98． 4%． Compared to the traditional Adaboost algorithm，we adopt GBDT( Gradient Boosting Decision Tree) as a classification algorithm． This method can use more data sets successfully and has higher classification accuracy．

Key words: epileptic electroencephalogram signal, frequency slice wavelet transform, approximate entropy, fluctuation index, gradient boosting decision tree

中图分类号:

TP391． 4

李昕迪, 陈万忠. 基于FSWT 和GBDT 的癫痫脑电信号分类研究[J]. 吉林大学学报(信息科学版), 2019, 37(2): 186-193.

LI Xindi, CHEN Wanzhong. Classification of Epileptic EEG Signals Based on Frequency Slice Wavelet Transform and Gradient Boosting Decision Tree#br#[J]. Journal of Jilin University (Information Science Edition), 2019, 37(2): 186-193.