[发明专利]基于PCA-LDA用户定制的智能癫痫预测方法在审
| 申请号： | 201910048393.6 | 申请日： | 2019-01-18 |
| 公开（公告）号： | CN109903852A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 曹九稳;胡丁寒 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G16H50/50 | 分类号： | G16H50/50;G06K9/00;G06N3/00 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 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PCA‑LDA用户定制的智能癫痫预测方法。本发明步骤如下：步骤1、脑电EEG信号的类别划分及基于SMOTE的样本重采样算法，将样本不均衡分类问题转换成样本均衡分类问题；步骤2、对脑电EEG信号进行6层小波包变换，提取统计学特征和小波包特征；步骤3、针对SFs与WPFs融合的高维特征，采用主成分分析法和线性判别分析法做特征降维；步骤4、应用深度森林算法构建针对不均衡样本数据集的癫痫预测模型。本发明既可以克服临床脑电EEG信号样本不均衡问题，又可以解决高维特征训练时间长效率低的问题，还能够实现癫痫发作期与发作前期的精准预测。 | ||
| 搜索关键词： | 不均衡 脑电 癫痫 样本 分类问题 用户定制 高维 预测 线性判别分析 主成分分析法 统计学特征 小波包变换 重采样算法 癫痫发作期 算法构建 特征降维 特征训练 样本均衡 样本数据 预测模型 智能 小波包 法做 融合 转换 森林 应用 | ||
【主权项】：
1.基于PCA‑LDA用户定制的智能癫痫预测方法，其特征在于包括如下步骤：步骤1、脑电EEG信号的类别划分及基于SMOTE的样本重采样算法，将样本不均衡分类问题转换成样本均衡分类问题；步骤2、对脑电EEG信号进行6层小波包变换，提取统计学特征和小波包特征；步骤3、针对SFs与WPFs融合的高维特征，采用主成分分析法和线性判别分析法做特征降维；步骤4、应用深度森林算法构建针对不均衡样本数据集的癫痫预测模型。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910048393.6/，转载请声明来源钻瓜专利网。
