离散小波变换特征在基于 EEG 数据的癫痫发作预测中的新应用
计算工程、金融与科学
2021-02-03 v1 机器学习
信号处理
其他统计学
摘要
本文展示了在基于 EEG 数据诊断癫痫发作时，离散小波变换（DWT）相较于先前所用特征提取方法的预测优越性。分类准确率、特异度与灵敏度被用作评估指标。我们特别展示了两种组合（DWT-db4 结合 SVM 与 DWT-db2 结合 RF）相较于其他组合，在平衡或不平衡数据集上诊断癫痫发作时的巨大潜力。结果亦强调 MFCC 表现劣于本研究所用所有 DWT，且均值差异在不平衡与平衡数据集中分别具统计显著性。最后，无论在平衡或不平衡数据集上，特征提取技术、模型及其交互作用对分类准确率均有统计显著性影响。
引用
@article{arxiv.2102.01647,
title = {A Novel Use of Discrete Wavelet Transform Features in the Prediction of Epileptic Seizures from EEG Data},
author = {Cyrille Feudjio and Victoire Djimna Noyum and Younous Perieukeu Mofendjou and Rockefeller and Ernest Fokoué},
journal= {arXiv preprint arXiv:2102.01647},
year = {2021}
}