散度分析

专家系统及其应用

癫痫是一种导致人们癫痫发作的神经系统疾病，也是脑电图的主要应用领域。在本研究中，提出了一种用于健康和癫痫（EEG）信号分类的时间和频率特征方法。使用互相关（CC）方法提取时域特征。通过计算功率谱密度（PSD）提取与频域相关的特征。在研究中，这些单独的时间和频率特征被认为对EEG本身的性质具有互补性。通过使用散度分析，可以定量测量特征空间中特征向量的分布。因此，建议使用而不是单个特征向量进行分类。为了显示该方法的效率，首先，分别分析基于时间和频率的特征向量在总体准确度方面的分类性能。然后，将通过各个特征向量获得的特征向量用于分类。给出了不同分类器结构所取得的结果。借助其他针对同一数据集的研究，对本研究获得的性能进行了比较评估。结果表明，互相关和 PSD 得出的特征组合在区分癫痫和健康脑电图片段方面非常有前景。