• 2019-7-30 上传数据,分类方法
• 2019-6-5 上传分类方法和测试比较
• 2019-3-4 数据提取模块上传
• 2018-12-29 开始试验,整理数据

A code package of the classification with Born Seizure Data (5 classes), using various machine learning.

关于波恩大学癫痫数据的特征提取方法,使用多种机器学习方法进行分类

Geng Minxing, now studying in The Institute of Microelectronic in Shandong University, major in machine learning and biomedical signal processing.

Email: [email protected]

If you have any question in this program, do not hesitate to contact me.

• A.npz 采集自五位正常的志愿者, 清醒状态睁眼下的脑电信号 (Z)
• B.npz 采集自五位正常的志愿者, 放松状态闭眼下的脑电信号 (O)
• C.npz 采集自癫痫患者的发作间期信号, 采集位置为颅内海马区, 发作对半球 (N)
• D.npz 采集自癫痫患者的发作间期信号, 采集位置为颅内海马区, 发作半球 (F)
• E.npz 采集自癫痫患者的发作信号, 采集自发作区域 (S)

1. AB vs CD vs E 三分类 (正常 vs 间期 vs 发作)
2. ABCD vs E 二分类 (非发作 vs 发作)
3. AB vs CD 二分类 (正常 vs 间期)

• 功率谱密度
• 时频统计特征 (Mean / Std / Skewness / Kurtosis)
• 小波系数的统计特征
• 短时傅里叶变换 + 奇异值分解 (STFT + SVD)

• SVM
• Logistic Regerssion
• Random Forest
• Xgboost

• 我的机器学习之旅
• 主成分分析的实现(Python源代码)