没有合适的资源?快使用搜索试试~ 我知道了~
2016014016-自实1601-陈帅华-基于小波变换和支持向量机的癫痫脑电信号分类-毕业设计(论文) - 副本1
需积分: 0 0 下载量 67 浏览量
2022-08-08
19:42:33
上传
评论
收藏 2.03MB DOCX 举报
温馨提示
试读
60页
摘要:癫痫不仅会给患者的身体造成极大的损伤,还会对患者的心理健康、未来发展和经济等方面都会造成极大的负担,但是由于癫痫的突发性、无规律性以及与其他多种疾病类似表
资源详情
资源评论
资源推荐
i
诚信声明
本人声明:
本人所呈交的毕业设计(论文),是本人在导师的指导下,独立进行
研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何
其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡
献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的
法律结果由本人承担。
作者签名: 日期:
ii
毕业设计(论文)任务书
设计(论文)题目:基于小波变换和支持向量机的癫痫脑电信号分类
学院:信息科学与技术学院 专业:自动化实验班 班级:自实 1601
学生:陈帅华 指导教师: 宿翀 专业负责人: XXX
1.设计(论文)的主要任务及目标
对癫痫脑电数据集进行预处理;使用离散小波变换对数据提取标准差和样本熵特
征,并进行特征融合;使用支持向量机、K 最近邻算法和决策树三种机器学习算法分
别根据标准差特征、样本熵特征和融合特征进行不同情况的分类,并使用准确率、灵
敏度和特异度三种评价指标对分类结果进行评价;使用集成学习中的 stacking 方法,
将支持向量机、K 最近邻算法和决策树三种方法融合,并根据融合特征进行分类;之后
将这几种方法的结果进行比较,并得出结论。
2、设计(论文)的主要内容
(1)寻找下载合适的数据集;
(2)数据集的预处理;
(3)特征提取;
(4)使用分类算法对不同情况的分类
(5)撰写毕业论文;
(6)翻译一篇 8000 汉字左右的外文文献。
3.设计(论文)的主要要求
(1)整体方案的可行性分析
(2)查阅合适的脑电数据集
(3)选取合适的脑电信号特征
(4)使用小波变换实现特征提取
(5)使用支持向量机等分类算法完成癫痫脑电信号分类
(6)分类结果的总结评价
4.主要参考文献
[1] 唐颖莹,陆璐,周东.中国癫痫诊断治疗现状[J].癫痫杂志,2019,5(03):161-164.
[2] 盛晓欣,田翔华,周毅.基于随机森林癫痫患者脑电数据的分析研究[J].中国数字
医学,2020,15(01):41-43.
[3] 陈 泽 龙 , 谢 康 宁 . 基 于 脑 电 EEG 信 号 的 分 析 分 类 方 法 [J]. 中 国 医 学 装
iii
备,2019,16(12):151-158.
[4] 肖文卿,汪鸿浩,詹长安.基于小波系数特征融合的小鼠癫痫脑电分类[J].计算机
工程与应用,2019,55(14):155-161.
[5] Hadi Ratham Al Ghayab,Yan Li,Siuly Siuly,Shahab Abdulla. Epileptic EEG signal
classification using optimum allocation based power spectral density estimation[J]. IET
Signal Processing,2018,12(6).
[6] 李红利. 癫痫脑电信号的非线性分析[D].天津大学,2012.
[7] Ihsan Ullah,Muhammad Hussain,Emad-ul-Haq Qazi,Hatim Aboalsamh. An
automated system for epilepsy detection using EEG brain signals based on deep learning
approach[J]. Expert Systems With Applications,2018,107.
[8] 陈爽爽. 基于 Gradient Boosting 算法的癫痫检测[D].山东大学,2013.
[9] 王 海 玉 , 胡 剑 锋 , 王 映 龙 . 脑 电 信 号 处 理 方 法 的 研 究 综 述 [J]. 计 算 机 时
代,2018(01):13-15+19.
[10] 吴艳. 基于多通道 EEG 信号的癫痫特征提取与识别方法研究[D].武汉理工大
学,2016.
[11] Samiee K, Kovacs P, Gabbouj M. Epileptic seizure classification of EEG time-
series using rational discrete short-time Fourier transform[J]. IEEE transactions on
Biomedical Engineering, 2014, 62(2): 541-552.
[12] Al Ghayab H R, Li Y, Siuly S, et al. A feature extraction technique based on tunable
Q-factor wavelet transform for brain signal classification[J]. Journal of neuroscience methods,
2019, 312: 43-52.
[13] 秦喜文,郭宇,董小刚,郭佳静,袁迪.基于局部均值分解和迭代随机森林的脑电
分类[J].吉林大学学报(信息科学版),2020,38(01):64-71.
[14] 柳长源,张付浩,韦琦.基于脑电信号的癫痫疾病智能诊断与研究[J].哈尔滨理
工大学学报,2018,23(03):91-98.
[15] 张瑞,宋江玲,胡文凤.癫痫脑电的特征提取方法综述[J].西北大学学报(自然科
学版),2016,46(06):781-788+794.
iv
5.进度安排
设计(论文)各阶段名称
起止日期
1
查阅文献,方案可行性分析及前期规划设计,开题报告
2019 年 12 月 23 日--
2020 年 1 月 5 日
2
查找脑电数据集,翻译文献
2020 年 1 月 6 日--
1 月 15 日
3
撰写文献综述,提取脑电信号特征
2020 年 1 月 16 日--
3 月 24 日
4
研究实现支持向量机等三种机器学习算法,并根据多种
特征对癫痫脑电信号进行分类
2020 年 3 月 25 日--
4 月 19 日
5
研究实现集成学习中的 stacking 方法,并将其应用于癫
痫脑电信号分类中,并将结果进行对比分析
2020 年 4 月 20 日--
5 月 7 日
6
论文撰写与润色,准备答辩
2020 年 5 月 8 日--
6 月 4 日
v
基于小波变换和支持向量机的癫痫脑电信号分类
摘要:癫痫不仅会给患者的身体造成极大的损伤,还会对患者的心理健康、未来发展
和经济等方面都会造成极大的负担,但是由于癫痫的突发性、无规律性以及与其他多
种疾病类似表现和病征,使得对癫痫的诊断一直以来都是一个极大的挑战。本文从对
脑电信号的预处理、脑电信号的特征提取和对癫痫脑电信号的分类这三个方面进行了
研究。其中主要的研究内容如下:
(1)本文针对波恩大学癫痫脑电数据集和 CHB-MIT 脑电数据集分别进行了预处理。
对于波恩大学癫痫脑电数据集,由于它已经经过带通滤波和人工伪迹处理,因此本文
不再进行额外的操作,只将其进行了分组操作;对于 CHB-MIT 脑电数据集,本文对
其进行了带通滤波以去除工频干扰,并进行了通道的选择和格式的转换。最终均得到
了可以直接进行处理的 txt 文件。
(2)对于脑电信号的特征提取,本文提出了基于离散小波变换的特征提取方法。首
先对傅里叶变换、快速傅里叶变换的不足之处进行了介绍并引出了小波变换。针对脑
电图这样由离散点数据构成的信号,本文采用离散小波变换进行后续研究,并对离散
小波变换的小波基进行了对比选取。之后对原始脑电信号与对上述两数据集使用五层
离散小波变换得到的小波系数分别计算了标准差和样本熵,并通过箱型图的对比选择
了合适的特征。
(3)对于癫痫脑电信号的分类,本文提出了使用支持向量机、K 最近邻算法和决策
树三种机器学习算法进行分类的方法。本文首先对这三种算法的分类原理进行了介绍,
然后使用这三种方法根据上述三类特征针对波恩大学癫痫脑电数据集和 CHB-MIT 脑
电数据集的不同情况进行了分类,并引入了三个评价指标对分类效果评价。通过对分
类结果的分析,可以得出根据融合特征进行分类时,分类效果要比单一特征的效果要
优秀等结论。并且通过与前人研究的对比和对 CHB-MIT 脑电数据集中不同情况的分
类结果,表明本文提出的癫痫脑电信号特征提取和分类方法可的有效性,对于临床上
癫痫的诊断有一定的借鉴意义和应用意义。
(4)本研究创新性的将集成学习中的 stacking 方法应用于癫痫脑电信号的分类之中。
stacking 方法中的第一层模型由支持向量机和 K 最近邻算法构成,第二层模型则由决
策树算法构成。本研究使用 stacking 根据融合特征对上述两数据集中的不同情况进行
了分类,在将最终得到的结果与使用 SVM、KNN 和 DT 三种方法对不同情况分类时
得到的最优分类准确率进行了对比。结果表明使用 stacking 方法后,最终得到的分类
剩余59页未读,继续阅读
阿汝娜老师
- 粉丝: 22
- 资源: 309
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0