[发明专利]一种基于遗传算法和随机森林的EEG信号分类模型

权利要求书

1.一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于包括以下步骤：

1)特征提取；

2)特征优化选择；

3)训练分类器模型并预测。

2.如权利要求1所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于在步骤1)中，所述特征提取的具体方法为：将实验数据划分成训练数据和测试数据，采用时域特征、经验模态分解和基于遗传算法的频域特征搜索方法对训练数据集进行特征提取。

3.如权利要求2所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于所述时域特征选自方均根、波形长度、绝对值积分、绝对值均值、平均绝对值斜率、过零点数、斜率符号变化数7个特征。

4.如权利要求2所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于所述经验模态分解适用于非线性非平稳信号的分析处理，经验模态分解法最终得到时频谱图，均值反映数据集中趋势，平均方差则用来度量随机变量和均值之间的偏离程度，取每个时频谱图的平均方差和均值作为特征。

5.如权利要求2所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于所述基于遗传算法的频域特征搜索方法是先采用快速傅里叶变换对信号进行频谱分析得到其振幅谱；在振幅谱的频率取值范围内搜索若干个频率区间，得到具有较好区分能力的特征。

6.如权利要求1所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于在步骤2)中，所述特征优化选择的具体方法为：采用遗传算法，使用二进制编码对搜索空间进行编码，即染色体编码。

7.如权利要求6所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于所述染色体编码的结构如下：

其中，Cⁱ代表一个染色体，表示第i个染色体第k个特征的值，取值是1或者0，1代表该特征经过遗传算法之后被选中，0代表没有被选中。

8.如权利要求1所述一种基于遗传算法和随机森林的EEG信号分类模型，其特征在于在步骤3)中，所述训练分类器模型并预测的具体方法为：分类器采用随机森林，将遗传算法得到的特征用随机森林来进行训练并得到训练好的分类器，最后用训练好的分类器对测试数据集进行预测。