基于转移网络的非线性时间序列分析方法研究

发布时间：2020-05-28 10:19

【摘要】：复杂网络与非线性时间序列的结合,为非线性时间序列的分析研究提供了新的方向。近年来,时间序列复杂网络构造方法已被广泛应用于互联网、生物信息网、交通流量、天气预测等领域。而今,应用非线性时间序列分析方法对脑电信号进行分析研究,已受到相关学者们的青睐。然而,传统的分析方法对癫痫脑电的分类性能相对较差,阻碍着癫痫分类算法被应用于临床的进程,文中首次将转移网络应用于癫痫脑电的分析研究,实现了癫痫脑电高精度的自动检测分类。本文在研究了时间序列复杂网络构造方法基础上,主要对时间序列转移网络构造方法进行深度研究。文中总结了传统的时间序列转移网络构造方法,并针对传统算法的不足,对算法进行改进。进而将癫痫脑电信号构造为转移网络,并基于转移网络拓扑结构统计特性提取分类特征,对癫痫脑电信号进行分类。首先,提出了时间序列极大值分段的网络节点集构造方法,构造出时间序列转移网络的节点集合;计算节点之间状态转移次数,构造权值矩阵,确定网络的边集合,改进后的时间序列转移网络构造完成。其次,应用转移网络的拓扑结构统计特性对时间序列转移网络进行分析,结合转移网络的特点,提出不同类型时间序列的分类特征。本文提出了度变化率、环路系数、聚类系数以及平均路径长度四个非线性特征。并应用非线性时间序列对提取的四个特征进行分析。最后,将癫痫脑电数据构造为改进后的时间序列转移网络,基于转移网络统计特性分别提取四个分类特征用于癫痫脑电数据库中癫痫患者间歇期和发作期的脑电信号的单特征分类,实现了癫痫脑电自动检测分类,并对四个特征的分类性能进行评价。通过与其它相关的实验结果进行比较,验证了本文提取的特征对两类癫痫脑电的辨别精度较于其他单特征分类方法都有较大提升,最高为98.5%。本文通过应用时间序列转移网络构造算法,将癫痫信号转化为转移网络,提取出性能优良的分类特征,实现高性能的癫痫脑电分类,并能有效促进临床医学研究及应用。
【图文】：

图 2.1 无向无权网络图 2.2 有向加权网络转移网络进行了深入研究，并用该算法分析研究癫痫脑电信号。具中会一一介绍。小结先简要介绍了复杂网络的基础理论知识，，包括复杂网络的特点、应

图 2.2 有向加权网络移网络进行了深入研究，并用该算法分析研究癫痫脑电信号。具会一一介绍。结简要介绍了复杂网络的基础理论知识，包括复杂网络的特点、应主要的时间序列复杂网络构造方法，分别为相似性网络构造方法转移网络构造方法，并对相似性网络构造方法以及可视图构造方行了简单的描述。
【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O157.5

【参考文献】

相关期刊论文 前3条

1 袁琦;周卫东;李淑芳;蔡冬梅;;基于ELM和近似熵的脑电信号检测方法[J];仪器仪表学报;2012年03期

2 蔡冬梅;周卫东;刘凯;李淑芳;耿淑娟;;基于Hurst指数和SVM的癫痫脑电检测方法[J];中国生物医学工程学报;2010年06期

3 孟庆芳;周卫东;陈月辉;彭玉华;;基于非线性预测效果的癫痫脑电信号的特征提取方法[J];物理学报;2010年01期

相关博士学位论文 前2条

1 杨云云;面向复杂网络可控性的若干关键问题研究[D];太原理工大学;2017年

2 宋玉琴;加权复杂网络的重分形分析和谱分析及其应用[D];湘潭大学;2017年

相关硕士学位论文 前5条

1 刘海红;基于复杂网络统计特性的非线性时间序列分析方法研究[D];济南大学;2017年

2 魏建好;基于同步的癫痫脑电识别研究[D];湖南师范大学;2017年

3 曹春雨;癫痫发作脑电信号的相位幅值耦合特征的研究[D];沈阳工业大学;2017年

4 唐丹丹;基于复杂网络模型的中药干预2型糖尿病的药理作用机制研究[D];北京中医药大学;2017年

5 王枫林;基于复杂网络拓扑结构的癫痫脑电非线性特征提取与分类方法研究[D];济南大学;2015年

本文编号：2685095