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)2
需积分: 0 1 下载量 176 浏览量
2022-08-08
20:50:35
上传
评论
收藏 3.64MB DOCX 举报
温馨提示
试读
69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
资源推荐
资源详情
资源评论
北京化工大学毕业设计(论文)
班 级:
自实 1601 班
学 号:
2016014016
北京化工大学
毕 业 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
专 业
自动化实验班
学 生
陈帅华
指导教师
宿翀
2020
年
6
月
1
日
北京化工大学毕业设计(论文)
北京化工大学毕业设计(论文)
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: 2020 年 6 月 1 日
北京化工大学毕业设计(论文)
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: 贺彦林
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
北京化工大学毕业设计(论文)
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.
剩余68页未读,继续阅读
资源评论
VashtaNerada
- 粉丝: 19
- 资源: 297
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