.png){kind=icon}
返回
Two-interaction iterative multi-layer classification model for EEG signals using support vector machines
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aej.2025.07.042.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
癫痫脑电图（Epileptic Electroencephalogram, EEG）信号的机器学习分类已成为当前的研究热点之一。该研究工作大致可分为两个阶段。（1）如何从原始信号中提取有效的训练特征；（2）如何根据现有的训练特征构建或训练合适的模型。然而，建立这样的合适训练模型并非易事。本研究提出了一种基于经典支持向量机（Support Vector Machine, SVM）的双交互迭代多层建模学习方法。为避免过度增加额外的计算成本，我们在训练模块中设置两个SVM进行并行计算和相互监督与调整。设置了训练停止条件，并利用两个SVM的输出确定模型迭代训练的次数，这充分发挥了每个SVM的分类优势，并缓解了过拟合问题。提出了一种训练样本空间优化方法，该方法考虑了不同训练模块之间以及同一模块内不同SVM之间的决策信息的相互引导作用，并实现了模型随渐进训练模式的保持一致。最终，所提出的模型在大多数构建的数据集中获得第二名，其最佳训练精度为97.11%，最佳测试精度为96.06%，这也证实了所提出模型的可行性。
Keyword:
Support vector machines (SVMs)
Classification performance
Iterative learning
Appropriate modeling
EEG
期刊
IF:
6.8
论文数:
6.3K
被引数:
2.6W
机构
引用论文
Poovarasu S, Gopinath R, Mohanraj A, et al. Epileptic Seizure Diagnosis using Bayesian Belief Network and T-CNN[C] 2024 International Conference on Knowledge Engineering and Communication Systems (ICKECS). IEEE, 2024, 1: 1-6.Poovarasu S，Gopinath R，Mohanraj A，等. 基于贝叶斯信念网络和T-CNN的癫痫发作诊断[C] // 2024年知识工程与通信系统国际会议（ICKECS）. IEEE, 2024, 1: 1-6..png)
IF0
PREAI
分享收藏Effect of Different Activation Functions on EEG Signal Classification based on Neural Networks基于神经网络的EEG信号分类中不同激活函数的影响
PREAI
分享收藏A Survey on Denoising Techniques of Electroencephalogram Signals Using Wavelet Transform基于小波变换的脑电信号去噪技术综述Signals
OAAI
SignalsIF0
OAAI分享收藏Evolutionary Game and Collaboration Mechanism of Human-Computer Interaction for Future Intelligent Aircraft Cockpit Based on System Dynamics基于系统动力学的未来智能飞机座舱人机交互演化博弈与协作机制
PREAI
分享收藏Enhanced Classification Approaches for Varieties of Sweet Corn: Employing CNN and XGBoost Models for Madhuri, Sugar 75, and Sweet GoldSharma, R., & Meena, H.K. (2024). 脑电图信号处理中的新兴趋势：一项系统综述。SN. Comput. Sci., 5(4), 415. https://doi.org/10.1007/s42979-024-02773-w
PREAI
分享收藏
查看更多内容