一种基于增强深度TSK模糊分类器的癫痫脑电识别方法

摘要

本发明提出了一种基于增强深度TSK模糊分类器的癫痫脑电识别方法，在TSK模糊分类器(ED‑TSK‑FC)中，将原始脑电信号作为输入数据，通过一维卷积神经网络对癫痫脑电信号进行深度特征学习，通过逐层的神经表达可获得隐含层的深度特征与输出层潜在类别信息，并将深度特征和潜在类别信息合并为增强深度特征。此外，增强深度特征作为ED‑TSK‑FC模糊规则前件与后件部分的训练变量，在前件部分采用模糊聚类算法对增强深度特征空间进行模糊划分并获得相应的前件参数，后件部分则引入岭回归极限学习算法对参数进行学习。增强深度特征更加充分利用了1D‑CNN的有用信息，提高了ED‑TSK‑FC的分类性能。基于模糊规则的高可解释性，ED‑TSK‑FC对增强深度特征作出了良好的解释。