控制与决策

作者：蒋云良,翁江玮,申情,胡文军,张雄涛

单位：湖州师范学院 信息工程学院,浙江 湖州 313000;浙江省现代农业资源智慧管理与应用研究 重点实验室,浙江 湖州 313000,,湖州师范学院 信息工程学院,浙江 湖州 313000;浙江省现代农业资源智慧管理与应用研究 重点实验室,浙江 湖州 313000,,浙江省现代农业资源智慧管理与应用研究 重点实验室,浙江 湖州 313000;湖州学院 理工学院,浙江 湖州 313000,,湖州师范学院 信息工程学院,浙江 湖州 313000;浙江省现代农业资源智慧管理与应用研究 重点实验室,浙江 湖州 313000,,湖州师范学院 信息工程学院,浙江 湖州 313000;浙江省现代农业资源智慧管理与应用研究 重点实验室,浙江 湖州 313000,

关键词：脑电信号;深度学习;深度特征;增强特征;TSK模糊分类器;可解释性

基金：国家自然科学基金面上项目(61771193,61802123,61772199).

识别癫痫脑电信号的关键在于获取有效的特征和构建可解释的分类器.为此,提出一种基于增强深度特征的TSK模糊分类器(ED-TSK-FC).首先,ED-TSK-FC使用一维卷积神经网络(1D-CNN)自动获取癫痫脑电信号的深度特征与潜在类别信息,并将深度特征和潜在类别信息合并为增强深度特征;其次,将增强深度特征作为ED-TSK-FC模糊规则前件与后件部分的训练变量,保证原始输入的深度特征及其潜在意义都出现在模糊规则中,进而对增强深度特征作出良好的解释;然后,采用岭回归极限学习算法对模糊规则的后件参数进行快速求解,在不显著降低分类准确度的情况下,ED-TSK-FC的廉价训练方法可以缩短模型的训练时间;最后,在Bonn癫痫数据集上,分别从分类性能、学习效率和可解释性3个方面,验证ED-TSK-FC的优越性.

来源：2023年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第1期