Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Electroencephalogram (EEG) and Its Background Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

4. Random Sampling in the Detection of Epileptic EEG Signals

verfasst von : Siuly Siuly, Yan Li, Yanchun Zhang

Erschienen in: EEG Signal Analysis and Classification

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The detection of epileptic EEG signals is a challenging task due to bulky size and nonstationary nature of the data. From a pattern recognition point of view, one key problem is how to represent the large amount of recorded EEG signals for further analysis such as classification.This chapter introduces a new classification algorithm combining a simple random sampling (SRS) technique and a least square support vector machine (LS-SVM) to identify epilptic seizure from two-class EEG signals.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Objectives and Structures of the Book
Nächstes Kapitel A Novel Clustering Technique for the Detection of Epileptic Seizures
Literatur
Andrzejak, R.G., Lehnertz, K., Mormann, F., Rieke, C., David, P., and Elger, C. E.(2001) ‘Indication of Non Linear Deterministic and Finite-Dimensional Structures in Time Series of Brain Electrical Activity: Dependence on Recording Region and Brain State’, Physical Review E, Vol. 64, 061907.
Chandaka, S., Chatterjee, A. and Munshi, S. (2009) ‘Cross-correlation aided support vector machine classifier for classification of EEG signals’, Expert System with Applications, Vol. 36, pp. 1329–1336.
Cochran, W. G. (1977) Sampling Techniques, Wiley, New York.
De Veaux, R.D., Velleman, P.F., and Bock, D.E., (2008) Intro Stats, 3rd ed., Pearson Addison Wesley, Boston, 2008.
Fletcher, R. (1987) Practical methods of optimization, Chichester and New York, John Wiley & Sons.
Guo, X.C., Liang, Y.C., Wu, C.G. and Wang C.Y. (2006) ‘PSO-based hyper-parameters selection for LS-SVM classifiers’, ICONIP 2006, Part II, LNCS 4233, pp. 1138–1147.
Hanbay, D. (2009) ‘An expert system based on least square support vector machines for diagnosis of the valvular heart disease’, Expert System with Applications, Vol. 36, pp. 4232–4238.
Iasemidis, L.D., Shiau, D.S., Chaovalitwongse, W., Sackellares, J.C., Pardalos, P.M., Principe, J.C., Carney, P.R., Prasad, A., Veeramani, B., and Tsakalis, K. (2003) ‘Adaptive Epileptic Seizure Prediction System’, IEEE Transactions on Biomedical Engineering, Vol. 50, n. 5, pp. 616–627.
Islam, M. N. (2004) An introduction to statistics and probability, 3rd ed., Mullick & brothers, Dhaka New Market, Dhaka-1205, pp. 160–161.
Islam, M. N. (2007) An introduction to sampling methods: theory and applications, revised ed., Book World, Dhaka New Market & P.K. Roy road, Bangla Bazar, Dhaka-1100.
Reynolds, E.H. (2000) ‘The ILAE2/IBE1/WHO3 global campaign against epilepsy: Bringing epilepsy “out of the shadows”’, Epilepsy & Behaviour, Vol. 1, S3–S8.
Siuly, and Li, Y. (2014) ‘A novel statistical algorithm for multiclass EEG signal classification’, Engineering Applications of Artificial Intelligence, Vol. 34, pp. 154–167.
Siuly, Y. Li, and P. Wen (2009) ‘Classification of EEG signals using Sampling Techniques and Least Square Support Vector Machines’, The proceedings of Fourth International Conference on Rough Sets and Knowledge Technology (RSKT 2009), LNCS 5589 (2009), pp. 375–382.
Siuly, Y. Li, and P. Wen, (2011) ‘EEG signal classification based on simple random sampling technique with least square support vector machines’, International journal of Biomedical Engineering and Technology, Vol. 7, no. 4, pp. 390–409.
Suresh, K., Thomas, S. V., and Suresh, G. (2011) ‘Design, data analysis and sampling techniques for clinical research’, Ann Indian Acad Neurol., Vol. 14, no. 4. pp. 287–290.
Suykens, J.A.K., Gestel, T.V., Brabanter, J.D., Moor, B.D. and Vandewalle, J. (2002) Least Square Support Vector Machine, World Scientific, Singapore.
Suykens, J.A.K., and Vandewalle, J. (1999) ‘Least Square Support Vector Machine classifier’, Neural Processing Letters, Vol. 9, no. 3, 293–300.
Ubeyli, E.D. (2010) ‘Least Square Support Vector Machine Employing Model-Based Methods coefficients for Analysis of EEG Signals’, Expert System with Applications. 37 233–239.
Ubeyli, E.D. (2008) ‘Wavelet/mixture of experts network structure for EEG signals classification’ Expert System with Applications Vol. 34, pp. 1954–1962.
Vapnik, V. (1995) The nature of statistical learning theory, Springer-Verlag, New York.
Metadaten
Titel
Random Sampling in the Detection of Epileptic EEG Signals
verfasst von
Siuly Siuly
Yan Li
Yanchun Zhang
Copyright-Jahr
2016
Buch
EEG Signal Analysis and Classification

Print ISBN: 978-3-319-47652-0

Electronic ISBN: 978-3-319-47653-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-47653-7_4

Neuer Inhalt

    Bildnachweise