基于改进遗传算法优化反向传播神经网络的癫痫发作检测方法分析

为了提高计算机化癫痫发作检测的准确性和检测效率，本文提出了一种基于改进遗传算法的优化反向传播（IGA-BP）神经网络的癫痫诊断方法，以期利用该方法可以实现临床癫痫病症的快速、高效检测。该方法首先对癫痫脑电信号进行线性与非线性相结合的特征提取，通过高斯混合模型（GMM）对癫痫特征聚簇集合分析，利用最大期望（EM）算法估算高斯混合模型参量，获取遗传算法（GA）选择算子的最优参数组合，实现对遗传算法的改进，用改进的遗传算法调整反向传播（BP）神经网络以获取最佳初始权值和阈值，建立改进遗传算法优化的 BP 神经网络模型。利用该模型对癫痫脑电信号分类识别，最终实现癫痫病症的自动检测。与传统遗传算法优化的 BP（GA-BP）神经网络相比较，本文所提出的方法提高了种群的收敛速度、减小了分类误差，在癫痫病症自动检测中提高了检测准确率并缩短了检测时间，在临床癫痫发作诊断中具有重要的应用价值