中国博士后科学基金(20100470081)
- 作品数：2 被引量：35H指数：2
- 相关作者：陈珊珊冯志全陈月辉孟庆芳王枫林更多>>
- 相关机构：济南大学更多>>
- 发文基金：中国博士后科学基金山东省自然科学基金山东省优秀中青年科学家科研奖励基金更多>>
- 相关领域：医药卫生电子电信自动化与计算机技术更多>>
- 基于局域相关向量机回归模型的小尺度网络流量的非线性预测被引量：17
- 2013年
- 基于非线性时间序列局域预测法与相关向量机回归模型,本文提出了局域相关向量机预测方法,并应用于预测实际的小尺度网路流量序列.应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型的邻近点个数.对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测性能,其中前馈神经网络模型的参数采用粒子群优化算法来优化.实验结果表明:邻近点优化后的局域相关向量机回归模型能够有效地预测小尺度网络流量序列,归一化均方误差很小;局域相关向量机回归模型生成的时间序列具有与原网络流量时间序列相一致的概率分布;局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局域线性预测法的.
- 孟庆芳陈月辉冯志全王枫林王枫林
- 基于递归量化分析与支持向量机的癫痫脑电自动检测方法被引量：18
- 2014年
- 癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义.基于递归图(recurrence plot)的递归量化分析(recurrence quantification analysis,RQA)重现了非线性时间序列的动力学行为,分析了其递归特性,本文提出了基于RQA的癫痫脑电信号特征提取方法.实验结果表明:直接基于RQA特征的癫痫脑电的检测准确率较高,其中直接基于确定率DET的分类准确率可达到90.25%.本文还把提取的RQA特征值和变化系数、波动指数相结合组成特征向量,输入到SVM分类器,实现癫痫脑电信号的自动检测;实验结果表明:该方法的分类准确率可达到99%.
- 孟庆芳陈珊珊陈月辉冯志全
- 关键词：癫痫脑电支持向量机
