基于随机森林和卷积神经网络的脑电数据分类方法

摘要

本发明涉及一种基于随机森林和卷积神经网络的脑电数据分类方法，包括：S1、采集原始的时序脑电数据，并将时序脑电数据转换为频域脑电数据；S2、基于随机森林方法，对频域脑电数据进行导联筛选，以对频域脑电数据进行降维处理；S3、构建卷积神经网络，将降维之后的频域脑电数据输入给卷积神经网络，对卷积神经网络进行训练和测试，得到训练好的卷积神经网络；S4、结合随机森林方法以及训练好的卷积神经网络，对经过傅里叶转换的实际脑电数据依次进行导联筛选和分类。与现有技术相比，本发明利用随机森林筛选重要的特征，降低了脑电数据维度，减少了计算量；结合卷积神经网络对降维的脑电数据进行拟合，保证了脑电数据分类准确率。