TY - Jour A2 - Versaci，Mario Au - Chen，Guangyuan Au - Lu，Guoliang Au - 谢，赵宏奥 - 尚，Wei Py - 2020 DA - 2020/01/10 Ti - 异常检测EEG信号：案例研究相似度测量SP - 6925107 VL - 2020 AB - 动机。异常脑电图检测是EEG信号分析中的长期问题。此问题的基本前提是考虑两个非标准EEG录制之间的相似性。成熟的方案基于序列匹配，通常包括三个步骤：特征提取，相似度测量和决策。目前的方法主要关注EEG特征提取和决策，其中很少有涉及相似度测量/量化。通常，为了设计适当的相似性度量，与所考虑的问题/数据兼容，也是这种检测系统的设计中的一个重要问题。然而，不可能直接将那些现有的指标应用于异常EEG检测，而无需考虑域特异性。 方法。这项工作的主要目标是调查不同相似度量对异常EEG检测的影响。通过仔细审查相关工程，已从其他领域收集了几个可能用于EEG分析的指标。所谓的功率谱被提取为EEG信号的特征，采用空假设检测来进行最终决定。已用于评估检测性能的两种指标。一个是反映两个比较的EEG信号之间测量相似度，另一个是量化检测精度。 结果。实验分别在两个数据集上进行。结果表明了不同相似度量对异常EEG检测的积极影响。Hellinger距离（HD）和Bhattacharyya距离（BD）指标表现出优异的性能：我们的数据集的精度为0.9167，精度为0.9667，用于伯尔尼 - 巴塞罗那EEG数据集。HD和BD度量都基于BHATTACHARYYA系数构建，暗示在处理高度嘈杂的EEG信号时BHATTACHARYYA系数的优先级。在未来的工作中，我们将利用一个集成的度量标准，将HD和BD组合以进行EEG信号的相似度测量。SN - 1687-5265 UR - HTTPS://Doi.org/10.1155/2020/6925107 Do - 10.1155 / 2020/6925107 JF - 计算智能和神经科学PB - Hindawi KW - ER -