基于小波变换和AdaBoost极限学习机的癫痫脑电信号分类
来源：计算机应用杂志2015年第9期北京时间：
作者：韩敏, 孙卓然
单位：大连理工大学 电子信息与电气工程学部, 辽宁 大连 116023
摘要：针对单一极限学习机(ELM)在癫痫脑电信号研究中分类结果不稳定、泛化能力差的缺陷,提出一种基于互信息(MI)的AdaBoost极限学习机分类算法。该算法将AdaBoost引入到极限学习机中,并嵌入互信息输入变量选择,以强学习器最终的性能作为评价指标,实现对输入变量以及网络模型的优化。利用小波变换(WT)提取脑电信号特征,并结合提出的分类算法对UCI脑电数据集以及波恩大学癫痫脑电数据进行分类。实验结果表明,所提方法相比传统方法以及其他同类型研究,在分类精度和稳定性上有着明显提高,并具有较好的泛化性能。
关键词：AdaBoost,极限学习机,小波变换,互信息,脑电信号分类
基金资助：国家自然科学基金资助项目(61374154);中央高校基本科研业务费专项(DUT13JB08)。
