基于粒子群优化支持向量机的癫痫发作预测

摘要

为实现癫痫发作自动预测,采用一种基于粒子群(PSO)与支持向量机(SVM)方法相结合的癫痫发作预测模型。首先利用小波包变换提取小波包系数相对能量特征,接着将训练样本输入到支持向量机中,经过粒子群算法寻找最优参数从而实现对测试样本进行分类识别,最后论文提出一种阈值决策方法对支持向量机输出结果进行后处理。对CHB-MIT癫痫数据库中5名癫痫病人进行研究,通过与随机参数法、网格搜索方法对比分析,发现使用粒子群优化支持向量机提高了发作前期识别准确率,减少了误警率,从而取得更好的预测效果,证明了该方法的可行性,对癫痫预测研究具有一定的应用价值。