机构名称：
¥ 1.0
摘要：在本文中，我们研究了非线性预处理技术对脑电图（EEG）信号分类的影响。这些方法用于分类从癫痫发作活性和脑肿瘤类别中捕获的EEG信号。对于第一类，使用椭圆机过滤器进行预处理，以及统计特征，例如香农熵，平均值，标准偏差，偏度和带功率。k-nearest邻居（KNN）和支持向量机（SVM）用于分类。对于脑肿瘤EEG信号，经验模式分解被用作预处理技术，以及用于分类正常和异常脑电图信号的标准统计特征。对于癫痫信号，我们已经达到了三级分类的平均准确性，而对于脑肿瘤信号，我们的平均准确度为98％的分类精度为98％，认为这是两类问题。
使用非线性特征和预处理技术对EEG信号进行分类
主要关键词
相关文件推荐
