[发明专利]利用径向基神经网络对癫痫脑电图信号进行分类的方法在审
| 申请号： | 201810489968.3 | 申请日： | 2018-05-21 |
| 公开（公告）号： | CN108664949A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 刘丽;季云峰;匡亮;高云 | 申请（专利权）人： | 江苏信息职业技术学院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 南京天翼专利代理有限责任公司 32112 | 代理人： | 于忠洲 |
| 地址： | 214153 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种利用径向基神经网络对癫痫脑电图信号进行分类的方法，步骤包括：建立径向基网络的数学模型、对径向基网络的隐层节点进行估计、定义不敏感损失误差准则、基于ε‑不敏感误差准则和结构风险的径向基网络训练以及利用集成的ε‑RBF‑NN训练算法进行训练和分类。该分类方法利用集成的神经网络以解决单个RBF神经网络不稳定的问题，多分类器的集成使得算法的分类更加稳定；该分类方法可以在多个训练子集上并行训练多个分类器，并根据每个分类器的贡献率分配相应的权重，有效提高了分类精度。 | ||
| 搜索关键词： | 分类 径向基网络 径向基神经网络 脑电图信号 误差准则 不敏感 分类器 癫痫 并行训练 多分类器 神经网络 数学模型 训练算法 训练子集 贡献率 权重 算法 隐层 分配 | ||
【主权项】：
1.利用径向基神经网络对癫痫脑电图信号进行分类的方法，其特征在于，包括如下步骤：步骤1，建立径向基网络的数学模型；步骤2，对径向基网络的隐层节点进行估计；步骤3，定义不敏感损失误差准则；步骤4，基于ε‑不敏感误差准则和结构风险的径向基网络训练；步骤5，利用集成的ε‑RBF‑NN训练算法进行训练和分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏信息职业技术学院，未经江苏信息职业技术学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810489968.3/，转载请声明来源钻瓜专利网。
