基于0阶TSK型迁移模糊系统的EEG信号自适应识别.pdf

《基于0阶TSK型迁移模糊系统的EEG信号自适应识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第8期计算机应用研究Vo1．32No．82015年8月ApplicationResearchofComputersAug．2015基于O阶TSK型迁移模糊系统的EEG信号自适应识别术杨昌健，邓赵红，蒋亦樟，王士同(江南大学数字媒体学院，江苏无锡214000)摘要：在EEG信号识别中，传统的模糊系统建模方法均假设模型的训练数据集和测试集服从相同的分布，但在实际应用中，该假设受到了严峻的挑战。针对上述挑战，探讨了适宜于数据分布迁移环境的直推式0阶模糊系统构建方法，构造了基于二分类模型的直推式0阶模糊系统目标函数来训练系统参数。提出的直推式迁移0阶TSK型模糊系统(T

2、L-0一TSK．FS)算法在癫痫EEG信号的自适应识别的研究结果表明，该方法较之相关方法显示出了一定的优越性。关键词：脑电图信号；分布多样性；TSK型模糊系统；迁移学习；小波包分解中图分类号：TN911．73文献标志码：A文章编号：1001·3695(2015)08—2276—05doi：10．3969／j．issn．1001．3695．2015．08．008AdaptiverecognitionofepilepticEEGsignalsbasedonO-orderTSKtypetransferfuzzysystemYangChan~ian，DengZhaohong，J

3、iangYizhang，WangShitong(SchoolofDigitalMedia，~angnanUniversity，WuxiJiangsu214000，China)Abstract：AmongmanyintelligentmethodsforEEGsignalsrecognition，traditionalfuzzysystemmodelingmethodassumedthatthetrainingdatasetandtestingsetfollowedthesamedistribution．Inpracticalapplications，thisassump

4、tionwasfacingaseverechallenge．Inviewoftheabovechallenge，thispaperaddressedthetransductive0-orderfuzzysystemmodelingmethodinordertocaterforthemigrationenvironmentaboutdatadistribution．Itconstructedtransduetive0-orderfuzzysystemobjec—tivefunctionbasedontwoclassificationmodeltotrainsystempa

5、rameters．Theresultsoftransductivetransfer0-orderTSK—typefuzzysystem(TL-0-TSK—FS)algorithminthestudyofadaptiveidentificationofepilepticEEGsignalsshowthesuperiorityoverrelativemethods．Keywords：EEGsignals；diversityofdistribution；TSK—typefuzzysystem；transferlearning；waveletpacketdecompositio

6、n识别。0引言尽管模糊系统和其他智能学习方法在EEG信号识别方面显示出了一定的有效性，但它们都假设模型的训练集和测试集癫痫是由大脑神经元突发性异常引起的短暂性大脑功能障碍⋯，它是一种发病率很高的疾病，严重影响人们健康。癫服从相同的数据分布，因而仅在训练域和测试域数据服从相同痫的诊断主要依靠临床病史和脑电图检查，80％左右的癫痫分布时方可获取良好的分类性能。对于癫痫EEG信号而言，病人都具有一定的脑电图异常，即表现为癫痫特征波。在对上述假设并不总能满足，这使得传统的模糊系统建模方法正受临床诊断困难的非典型癫痫发作、各种异型癫痫和隐匿型癫到严峻的挑战。EEG信号存在多种不同

7、的数据分布特征，大致可分为如下三类12]：a)健康者正常状态下的EEG信号；b)痫，脑电图检测对该病的确诊起着至关重要的作用。目前，多种智能建模技术。被应用于癫痫脑电信号的识别中。代表癫痫病人发病期状态下的EEG信号；C)癫痫病人发病间歇期性的方法有朴素贝叶斯法(naiveBayes，NB)J、线性判别分析的信号。这三种信号均含各自独立的数据分布特征，相互之间法(1ineardiscriminantanalysis，LDA)、决策树算法(decision存在一定的差异性，具体如图1所示。在以往的研究中，研究tree，DT)[4,51、K近