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
寻找下载合适的数据集，并进行数据的预处理；使用离散小波变换完成对脑电数
据的特征提取；使用分类算法对不同情况的分类，并对分类结果进行评价。
3．设计（论文）的主要要求
整体方案的可行性分析；查阅合适的脑电数据集；选取合适的脑电信号特征；使
用小波变换实现特征提取；使用支持向量机等分类算法完成癫痫脑电信号分类；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
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,et al.Epileptic EEG signal classification
using optimum allocation based power spectral density estimation[J].IET Signal
Processing,2018,12(6):738-747
[6] 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
5．进度安排
将 stacking 用于癫痫脑电信号分类，并将结果进行分析
评论0