基于GM-SVM的癫痫发作脑电信号识别

脑电图(Electroencephalogram,EEG)是诊断癫痫发作的重要依据。针对人工识别癫痫脑电信号中出现的效率低易误诊等问题,依据遗传算法和支持向量机理论,提出基于遗传算法结合支持向量机分类模型(GM-SVM)的癫痫发作脑电信号识别方法。将支持向量机相关参数设计成遗传个体,将遗传算法的适应度值设置为GM-SVM的识别准确率,通过迭代寻优获得较优的识别效果。最后,该方法在伯恩大学癫痫研究中心的脑电数据上进行训练和评估,结果表明该方法可以正确识别癫痫发作脑电信号,并达到98%的精度和99%的AUC(Area Under ROC Curve,ROC曲线下的面积),相较于其他分类算法有较优的识别性能。