基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型

被引:5
作者
赵春临
郑崇勋
赵敏
机构
[1] 西安交通大学教育部生物医学信息工程重点实验室
关键词
连续隐马尔科夫模型; 脑电; 功率谱; 精神疲劳;
D O I
暂无
中图分类号
R318.04 [生物信息、生物控制];
学科分类号
摘要
提取多通道脑电(EEG)功率谱特征,训练连续高斯密度混合隐马尔科夫模型(CHMM),建立了基于功率谱-CHMM的精神疲劳分级模型.分级结果表明:EEG各节律功率谱及其比值是精神疲劳的敏感指标,CHMM对于不同的精神疲劳状态具有较高的分类精度,最高分类正确率达到97.5%;在训练样本相同的情况下,CHMM比反向传输人工神经网络具有更高的分类精度.
引用
收藏
页码:1474 / 1478
页数:5
相关论文
共 2 条
  • [1] EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis[J] . Wolfgang Klimesch.Brain Research Reviews . 1999 (2)
  • [2] A new bearing fault detectionand diagnosis scheme based on hidden Markov model-ing of vibration signals. Ocak H,Loparo K A. IEEE International Con-ference on Acoustics,Speech and Signal Processing . 2001