2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、腦電圖(EEG)是檢查診斷癲癇的基本工具,對(duì)生理學(xué)研究與醫(yī)學(xué)應(yīng)用是非常重要的,是大腦皮層或頭皮表面大腦神經(jīng)組織細(xì)胞總體電活動(dòng)的反應(yīng),包含了大量的大腦活動(dòng)與功能的信息。大腦的電活動(dòng)通常表現(xiàn)出復(fù)雜的行為與非線性動(dòng)力學(xué)特性。癲癇俗稱羊角風(fēng),是一種慢性神經(jīng)紊亂疾病,它發(fā)作時(shí)由于腦神經(jīng)元突然不正常放電,使中樞神經(jīng)系統(tǒng)活動(dòng)異常興奮或抑制,對(duì)患者的精神和身體健康造成極大的傷害。對(duì)于頭皮腦電圖,癲癇腦電檢測(cè)的分析方法主要基于特征提取方法和分類算法。

2、r>  越來越多的研究表明大腦是復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng),非線性動(dòng)力學(xué)方法被廣泛地應(yīng)用于分析EEG信號(hào)。本文在非線性動(dòng)力學(xué)分析方法上,提出了兩種非線性特征提取方法:基于近似熵和改進(jìn)近似熵的癲癇腦電特征提取方法和基于樣本熵和改進(jìn)樣本熵的癲癇腦電特征提取方法。首先,對(duì)癲癇腦電信號(hào)樣本數(shù)據(jù)分別求近似熵、改進(jìn)近似熵、樣本熵、改進(jìn)樣本熵;然后應(yīng)用所求的熵測(cè)度值作為癲癇腦電信號(hào)的特征進(jìn)行分類。熵測(cè)度是一種基于復(fù)雜度的非線性時(shí)間分析方法,不需要很長的數(shù)

3、據(jù)就可以估算出穩(wěn)定的熵值,具有很好的抗干擾和抗噪聲能力。熵測(cè)度的改進(jìn)方法采用模糊隸屬度函數(shù)解決了Heaviside函數(shù)在[0,1]之間沒有值的問題,很大程度上提高了區(qū)分時(shí)間序列的效率。
  根據(jù)癲癇發(fā)作時(shí)大腦系統(tǒng)復(fù)雜度程度與正常大腦復(fù)雜度的不同,本文研究了兩種腦電信號(hào)分類方法。一種是直接利用四種不同的熵測(cè)度值作為特征,選取合適的分類閾值對(duì)癲癇發(fā)作間歇期和癲癇發(fā)作期腦電進(jìn)行分類,另一種是采用熵測(cè)度方法和支持向量機(jī)(SVM)相結(jié)合的癲

4、癇腦電信號(hào)分類方法,將近似熵值、樣本熵值、改進(jìn)的近似熵值和改進(jìn)的樣本熵值作為分類器的分類特征進(jìn)行分類。
  隨著統(tǒng)計(jì)學(xué)習(xí)理論的不斷發(fā)展與完善,SVM(支持向量機(jī))作為一種新穎的回歸分類工具得到廣泛應(yīng)用。SVM綜合考慮了VC維和結(jié)構(gòu)風(fēng)險(xiǎn)的影響,被廣泛地應(yīng)用于分析癲癇腦電信號(hào),對(duì)分析高維數(shù)非線性系統(tǒng)具有良好的性能。對(duì)于線性不可分樣本,將其非線性變換后映射到高維特征空間,在這個(gè)特征空間中存在一個(gè)最優(yōu)分類面或超平面能將特征空間分為兩個(gè)區(qū)域

5、。為提高癲癇腦電自動(dòng)檢測(cè)分類的精度,我們將支持向量機(jī)作為分類器,應(yīng)用到癲癇腦電自動(dòng)檢測(cè)分類算法中來,而支持向量機(jī)的分類特征即為前述所提取出的近似熵、樣本熵、改進(jìn)的近似熵和改進(jìn)的樣本熵。
  實(shí)驗(yàn)結(jié)果表明兩種非線性特征提取方法提取的特征均能有效的區(qū)分癲癇腦電發(fā)作間歇期和發(fā)作期信號(hào)?;诮旗氐膯翁卣鞣诸愃惴ǖ目傮w分類正確率在0.15倍的標(biāo)準(zhǔn)差到2倍標(biāo)準(zhǔn)差區(qū)間內(nèi)不斷升高,最高分類準(zhǔn)確率達(dá)87.25%。在分類正確率上,SVM非線性分類比

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論