国家自然科学基金(61201428)
- 作品数：4 被引量：46H指数：3
- 相关作者：孟庆芳陈珊珊冯志全陈月辉王枫林更多>>
- 相关机构：济南大学青岛理工大学更多>>
- 发文基金：国家自然科学基金中国博士后科学基金山东省自然科学基金更多>>
- 相关领域：医药卫生电子电信自动化与计算机技术更多>>
- 基于局域相关向量机回归模型的小尺度网络流量的非线性预测被引量：17
- 2013年
- 基于非线性时间序列局域预测法与相关向量机回归模型,本文提出了局域相关向量机预测方法,并应用于预测实际的小尺度网路流量序列.应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型的邻近点个数.对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测性能,其中前馈神经网络模型的参数采用粒子群优化算法来优化.实验结果表明:邻近点优化后的局域相关向量机回归模型能够有效地预测小尺度网络流量序列,归一化均方误差很小;局域相关向量机回归模型生成的时间序列具有与原网络流量时间序列相一致的概率分布;局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局域线性预测法的.
- 孟庆芳陈月辉冯志全王枫林王枫林
- 基于递归量化分析与支持向量机的癫痫脑电自动检测方法被引量：18
- 2014年
- 癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义.基于递归图(recurrence plot)的递归量化分析(recurrence quantification analysis,RQA)重现了非线性时间序列的动力学行为,分析了其递归特性,本文提出了基于RQA的癫痫脑电信号特征提取方法.实验结果表明:直接基于RQA特征的癫痫脑电的检测准确率较高,其中直接基于确定率DET的分类准确率可达到90.25%.本文还把提取的RQA特征值和变化系数、波动指数相结合组成特征向量,输入到SVM分类器,实现癫痫脑电信号的自动检测;实验结果表明:该方法的分类准确率可达到99%.
- 孟庆芳陈珊珊陈月辉冯志全
- 关键词：癫痫脑电支持向量机
- 基于Lempel-Ziv复杂度和经验模态分解的癫痫脑电信号的检测方法被引量：3
- 2015年
- 癫痫脑电信号是非平稳、非线性的,根据此特性我们提出一个基于Lempel-Ziv复杂度和经验模态分解(EMD)的癫痫脑电信号的检测方法,首先将癫痫脑电信号用EMD分解,再分别计算每阶固有模态函数(IMF)的复杂度,最后将得到的复杂度作为特征进行检测.实验用波恩数据库来评估提出的方法.结果表明,该方法检测准确率可达到95.25%,具有准确率高、适应性强等优点.
- 夏德玲孟庆芳牛贺功魏英达刘海红
- 关键词：经验模态分解准确率
- 基于加权复杂网络度熵和的癫痫发作检测方法被引量：9
- 2019年
- 癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道脑电信号转化为复杂网络,并提取生成的复杂网络的度的平方和权重度分布熵两个特征;最后将两个特征之和作为单特征输入到线性分类器中,用来识别癫痫间歇期和发作期信号。对波恩大学的癫痫脑电数据集进行实验,评价所提出的检测算法的性能。使用该癫痫脑电数据集间歇期和发作期各100个实验样本,样本长度为1 024。实验结果表明,所提出的方法具有较高的分类精度,可达到98.5%。由于分类的特征为单特征,所以更加简单高效,可用于癫痫发作在线自动检测。
- 张汉勇孟庆芳杜蕾刘明敏
- 关键词：脑电信号复杂网络
