[发明专利]一种基于混合二进制编码的脑电信号特征优选及分类器优选方法在审
| 申请号： | 201910002421.0 | 申请日： | 2019-01-02 |
| 公开（公告）号： | CN109691996A | 公开（公告）日： | 2019-04-30 |
| 发明（设计）人： | 王欣;谭平;王勇 | 申请（专利权）人： | 中南大学 |
| 主分类号： | A61B5/0476 | 分类号： | A61B5/0476 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于混合二进制编码的脑电信号特征优选及分类器优选方法，属于特征选择与模式识别技术领域。本发明提出的混合二进制编码机制有效结合了特征选择和分类器选择，可以选择出分类效果更佳的特征子集。本发明首先采集脑电信号数据；对脑电信号进行去噪、滤波等预处理；结合时‑频‑空三维特征，对脑电信号进行特征提取，得到原始特征集；利用基于混合二进制编码的差异进化算法对原始特征集进行特征优选及分类器优选，选出最优的特征子集；将最优的特征子集输入最终分类器获得最终分类精度。此发明能够在最大化分类精度的同时最小化特征个数，降低数据维度，加快学习过程，提高分类性能。 | ||
| 搜索关键词： | 优选 二进制编码 分类器 特征子集 脑电信号特征 脑电信号 特征选择 特征集 预处理 采集脑电信号 差异进化算法 模式识别技术 分类器选择 分类效果 分类性能 三维特征 数据维度 特征提取 特征优选 学习过程 有效结合 最大化 最小化 分类 滤波 去噪 | ||
【主权项】：
1.一种基于混合二进制编码的脑电信号特征优选及分类器优选方法，其特征在于，首先采集脑电信号数据集，接着对原始数据集进行预处理并提取脑电信号特征，然后基于信号处理与进化算法结合的方法，设计出一种基于混合二进制编码的脑电信号特征优选及分类器优选方法；通过进化算法对特征及分类器进行选择，实现降低数据的维度，加快学习过程，提高分类性能。
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中南大学，未经中南大学许可，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/201910002421.0/，转载请声明来源钻瓜专利网。
