计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
9期
2701-2705,2709
,共6页
AdaBoost%极限学习机%小波变换%互信息%脑电信号分类
AdaBoost%極限學習機%小波變換%互信息%腦電信號分類
AdaBoost%겁한학습궤%소파변환%호신식%뇌전신호분류
AdaBoost%Extreme Learning Machine (ELM)%Wavelet Transform (WT)%Mutual Information (MI)%ElectroEncephaloGram (EEG) signals classification
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.
針對單一極限學習機(ELM)在癲癇腦電信號研究中分類結果不穩定、汎化能力差的缺陷,提齣一種基于互信息(MI)的AdaBoost極限學習機分類算法.該算法將AdaBoost引入到極限學習機中,併嵌入互信息輸入變量選擇,以彊學習器最終的性能作為評價指標,實現對輸入變量以及網絡模型的優化.利用小波變換(WT)提取腦電信號特徵,併結閤提齣的分類算法對UCI腦電數據集以及波恩大學癲癇腦電數據進行分類.實驗結果錶明,所提方法相比傳統方法以及其他同類型研究,在分類精度和穩定性上有著明顯提高,併具有較好的汎化性能.
침대단일겁한학습궤(ELM)재전간뇌전신호연구중분류결과불은정、범화능력차적결함,제출일충기우호신식(MI)적AdaBoost겁한학습궤분류산법.해산법장AdaBoost인입도겁한학습궤중,병감입호신식수입변량선택,이강학습기최종적성능작위평개지표,실현대수입변량이급망락모형적우화.이용소파변환(WT)제취뇌전신호특정,병결합제출적분류산법대UCI뇌전수거집이급파은대학전간뇌전수거진행분류.실험결과표명,소제방법상비전통방법이급기타동류형연구,재분류정도화은정성상유착명현제고,병구유교호적범화성능.
