基于FSWT和GBDT的癫痫脑电信号分类研究

作者：李昕迪; 陈万忠

来源：吉林大学学报(信息科学版), 2019, 37(02): 186-193.

DOI：10.19292/j.cnki.jdxxp.2019.02.012

• 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

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。

• 单位
  吉林大学