基于 Universum 集成广义特征值的 EEG 癫痫检测统一框架
机器学习
2025-12-25 v1
摘要
本文提出了新型的 Universum 增强分类器：Universum Generalized Eigenvalue Proximal Support Vector Machine (U-GEPSVM) 和改进版 U-GEPSVM (IU-GEPSVM)，用于 EEG 信号分类。通过广义特征值分解的计算效率和 Universum 学习的泛化优势，所提模型解决了 EEG 分析中的关键挑战：非平稳性、低信噪比和有限标注数据。U-GEPSVM 通过比率基准目标函数将 Universum 约束纳入 GEPSVM 框架，IU-GEPSVM 则通过加权差分形式增强稳定性，提供独立的类别间隔和 Universum 对齐控制。模型在巴登大学 EEG 数据集上进行评估，涵盖两个二分类任务：(O vs S)-健康 (闭眼) 与癫痫，以及 (Z vs S)-健康 (睁眼) 与癫痫。IU-GEPSVM 在 (O vs S) 和 (Z vs S) 任务上分别实现了最高准确率为 85% 和 80%，平均准确率分别为 81.29% 和 77.57%，优于基线方法。
引用
@article{arxiv.2512.21170,
title = {A Unified Framework for EEG Seizure Detection Using Universum-Integrated Generalized Eigenvalues Proximal Support Vector Machine},
author = {Yogesh Kumar and Vrushank Ahire and M. A. Ganaie},
journal= {arXiv preprint arXiv:2512.21170},
year = {2025}
}