Verfahren zur Merkmalsextraktion und Klassifizierung bei chronischem Alkoholismus

In dieser Studie wurden die Gr?enordnung und r酳mliche Verteilung des Frequenzspektrums im Ruhe-Elektroenzephalogramm (EEG) untersucht, um die Auswirkungen von Alkoholismus auf die motorische Kortexregion zu untersuchen. Die EEG-Signale f chronische Alkoholiker wurden aus der motorischen Kortexregion gewonnen und die Hilbert-Huang-Transformation wurde zur Merkmalsextraktion der EEG-Signale angewendet. Die EEG-Signale wurden in ff Teilfrequenzb鄚der unterteilt. Es wurde beobachtet, dass das extrahierte Merkmal eine gro e Datendimension enthielt, sodass es mithilfe der linearen Diskriminanzanalyse reduziert wurde. In der vorliegenden Studie wurde die Support-Vector-Machine zur Klassifizierung von Alkoholikern verwendet. Die maximale Klassifizierungsgenauigkeit (>75 %) wurde mit den EEG-Spektralmerkmalen des maximalen Spektralkoeffizienten im C3- und Cz-Kanal mit der Kombination von Beta-1- und Beta-2-B鄚dern erreicht. Aber auch mit den EEG-Merkmalen der mittleren Bandleistung wurde in den meisten Kan鄟en eine mehr oder weniger hohe Klassifizierungsgenauigkeit berechnet. Die ungef鄣re Entropie, ein nichtlineares Merkmal, wurde in der Studie ebenfalls als Unterscheidungsparameter f Alkoholiker angesehen. Momentane Amplitude und momentane Frequenz, die aus den Hilbert-Spektren gewonnen wurden