|
|
1.
基于小波变换和AdaBoost极限学习机的癫痫脑电信号分类
韩敏, 孙卓然
计算机应用
2015, 35 (9):
2701-2705.
DOI: 10.11772/j.issn.1001-9081.2015.09.2701
针对单一极限学习机(ELM)在癫痫脑电信号研究中分类结果不稳定、泛化能力差的缺陷,提出一种基于互信息(MI)的AdaBoost极限学习机分类算法。该算法将AdaBoost引入到极限学习机中,并嵌入互信息输入变量选择,以强学习器最终的性能作为评价指标,实现对输入变量以及网络模型的优化。利用小波变换(WT)提取脑电信号特征,并结合提出的分类算法对UCI脑电数据集以及波恩大学癫痫脑电数据进行分类。实验结果表明,所提方法相比传统方法以及其他同类型研究,在分类精度和稳定性上有着明显提高,并具有较好的泛化性能。
参考文献 |
相关文章 |
多维度评价
|
|
