基于ELM和近似熵的脑电信号检测方法

被引：33

作者：

袁琦

周卫东

李淑芳

蔡冬梅

机构：

[1] 山东大学信息科学与工程学院

来源：

仪器仪表学报 | 2012年 / 33卷 / 03期

关键词：

癫痫脑电; 近似熵; 极端学习机; 反向传播算法; 支持向量机;

D O I：

10.19650/j.cnki.cjsi.2012.03.005

中图分类号：

TN911.23 [信号检测与估计];

学科分类号：

070104 ; 081101 ;

摘要：

脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波动指数相结合,组成特征向量,然后将特征向量送入单隐层前馈神经网络,采用ELM学习算法训练网络。实验表明,与BP(backpropagation)和SVM(support vector machine)算法相比,ELM在训练时间和识别精度两方面性能最佳,对用于实验的脑电数据检测识别率达到98%以上。

引用

页码：514 / 519

页数：6