通過加權(quán)主成分分析來對峰電位進行提取特征和降維,再利用高斯混合模型聚類算法對特征進行聚類,實現(xiàn)峰電位分類。采用開放的仿真數(shù)據(jù)和開放的實測數(shù)據(jù)分析驗證算法的可行性和分類精度,并與主成分分析提取特征的高斯混合模型(GMM)聚類和加權(quán)主成分分析提取特征的K均值聚類2種方法進行了比較。仿真數(shù)據(jù)實驗中,在噪聲水平為0. 05,0. 10,0. 15,0. 20時,誤分率分別為1. 26%,1. 43%,2. 32%和3. 37%,低于其他2種方法;實測數(shù)據(jù)實驗中,恒河猴數(shù)據(jù)的平均J₃準則值為14. 12,與其他2種方法相比,平均J₃準則值較大。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 數(shù)據(jù)與方法
    1.1 峰電位分類
        1.1.1 PCA算法和WPCA算法
        1.1.2 GMM
    1.2 評價指標
    1.3 實驗數(shù)據(jù)
2 結(jié)果
3 結(jié)論



本文編號：3911627