研究文章
协同睡眠脑电图数据分析基于改进的经验模态分解和聚类算法
算法1
基于改进CEEMDAN和k - means上海市建筑。
|
要求: |
|
原始脑电图信号处理与小波去噪算法。 |
|
确保: |
|
聚类结果表明,脑电图信号分为不同的睡眠阶段。 |
|
(1)定义一个N分脑电图时代
。 |
|
(2)变量是噪声标准差;是实现的数量;是筛选迭代允许的最大数量。 |
|
(3)通过改进CEEMDAN分解,第一个模式和第一个剩余组件得到,如公式(6)- (9)。 |
|
(4)为k= 2,…K做 |
|
(5)计算kth IMF分量和残余分量
。 |
|
(6)分解实现新模式如公式(11)。 |
|
(7)结束了 |
|
(8)分为初始集群中心。 |
|
根据公式(9)16)和(17),距离的相关性数据点和密度之间的关系计算每个点的和最小的作为第一个聚类中心获得设置
。 |
|
(10)剩下的数据集分配到最近的类按照距离最近的聚类中心。 |
|
(根据公式(11)19),每个点的距离计算每个类的中心;u和根据不同的计算段计算。最小的得到新的聚类中心。 |
|
(12)重新计算并分配单个样本对象,直到聚类中心不再变化。 |
|
