[发明专利]一种用于脑电信号特征分类的ANFIS规则库优化算法

摘要

一种用于脑电信号特征分类的ANFIS规则库优化算法，涉及脑电信号特征参数分类算法。由于脑电信号具有明显的非线性特征，非线性特征分类方法在脑电信号分类中应用较多。自适应模糊神经推理系统(ANFIS)融合了神经网络和模糊逻辑的优点，不仅可以对样本进行有效的学习，还可以对知识进行良好的表达和抽取。ANFIS系统在进行模糊推理时要建立模糊规则库，规则库的数量为所有参数隶属度函数个数的乘积。目前只能依靠经验给每个输入参数的隶属度函数个数进行设置，往往无法达到较好的训练效果。本发明的一种用于ANFIS系统规则库的优化算法GA‑ANFIS方法，采用遗传算法(GA)对每个输入参数的隶属度函数进行合理设置，同时还能有效控制规则库的数量，保证系统的训练学习效率。

主权项

一种用于脑电信号特征分类的ANFIS规则库优化算法，其特征在于，步骤一、特征参数编码：假设用于特征参数分类的参数个数为m；输入隶属度函数选择高斯型，每个输入特征参数至少包含一个隶属度函数，每个输入特征参数隶属度函数最多为d个，同时限制规则库的上限为M，设初始特征向量为X＝{x1,x2,...,xm}；采用真值编码方式，xi为各特征参数的隶属度函数个数，且0≤xi≤d‑1；步骤二、适应度函数设计：采用式(1)所示适应度函数；由于每个特征参数至少要包含1个隶属度函数，因此在计算适应度函数时将每个初始特征向量X加1，即X＝{x1+1,x2+1,...,xm+1}；F(Si)＝ω×f(Si)+(1‑ω)×c(Si),i＝1,2,...,n   (1)其中，f(Si)为第i个特征参数编码的分类精度，c(Si)为第i个特征参数编码分类结果与目标结果的相似系数，ω为调整系数，取0.6～0.8；步骤三、自适应交叉与变异：采用式(2)和式(3)所示的交叉概率pc和变异概率pm的自适应调整机制，产生新的个体，评价其适应度值；结合收敛条件，判断循环是否终止，最终确定各参数的最佳隶属度函数个数；pc=k1(fmax-f′)fmax-favg,f′≥favgk2,f′<favg---(2)]]>pm=k3(fmax-f′)fmax-favg,f′≥favgk4,f′<favg---(3)]]>步骤四、采用ANFIS系统对校正集样本进行训练学习，并对验证集样本进行验证；最后，对模型进行评价；在模型建立和验证过程中，分类正确率Accuracy of Classification，AC如式(4)所示；AC=NCN×100%---(4)]]>其中，N为校正集或验证集样本数，NC为分类结果正确的样本数。