[发明专利]一种基于脉冲群智能算法并结合STFT-PSD和PCA的癫痫时期分类方法有效
| 申请号： | 201910940945.4 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110680313B | 公开（公告）日： | 2022-07-15 |
| 发明（设计）人： | 段立娟;连召洋;陈军成;乔元华 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | A61B5/372 | 分类号： | A61B5/372;G06K9/62;G06N3/00 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 吴荫芳 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本文公开了一种癫痫时期特征提取及分类方法。首先，对原始的癫痫脑电数据进行随机打乱预处理，并分别划分4折的训练集和测试集。其次，采用结合方法对预处理后的数据提取特征，一方面，通过WPT或STFT‑PSD提取非线性的时频特征，然后，在得到的时频特征上再结合PCA算法提取脑电数据的主成分特征，并消除噪声和冗余特征，并作为特征提取的最终特征。最后，采用脉冲神经网络对提取的特征做分类分析，脉冲神经网络算法不仅考虑个体互助和信息交互，拥有很强的鲁棒性；并且它模拟的神经元更加接近大脑中真实的神经元，考虑更多的时间信息，拥有更强的计算能力。 | ||
| 搜索关键词： | 一种 基于 脉冲 智能 算法 结合 stft psd pca 癫痫 时期 分类 方法 | ||
【主权项】：
1.一种基于脉冲群智能算法并结合STFT-PSD和PCA的癫痫时期分类方法，本方法框架主要分为三部分：预处理、特征提取、特征分类，本发明只在癫痫时期分类领域，只对包含预处理、特征提取、特征分类的整体框架及步骤申请保护，对其它应用领域及每个分模块所采用的方法不申请保护，其特征包括以下步骤：/n(1)脑电信号预处理/n首先，把得到癫痫脑电数据随机打乱并归一化；然后，前75％的样本为训练集，后25％的样本为测试集，并采用4-折交叉验证；/n(2)特征提取与融合/n首先用STFT-PSD或WPT对预处理后的脑电数据提取非线性时频特征，然后，根据得到的时频特征，通过PCA提取主成分特征；/n(3)特征分类：将经过PCA后提取的线性特征输入SNM-CS分类模型，完成癫痫脑电信号的分类。/n
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北京工业大学，未经北京工业大学许可，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/201910940945.4/，转载请声明来源钻瓜专利网。
