1.特徴選択および
に基づく睡眠段階
を使用したEEG信号
アルゴリズム
分類 合計21の機能アルゴリズムが使用されました。時間カテゴリで10、非線形カテゴリで5、周波数カテゴリで2、エントロピーカテゴリで4です。21個の固有値から41個の固有値が取得されました。
時間領域：ゼロ交差時間; Hjorth係数;統計的特徴：
非線形特徴5：ペトロシアンフラクタル次元（PFD）
平均ティーガーエネルギー（MTE）MTE
平均エネルギー（ME）
平均曲線長（MCL）MCL
ハースト指数（H）
時間-周波数領域の特徴：Wigner-Ville分布（WV）：WV-1-WV-4
離散ウェーブレット変換（DWT）：D3-1-D5-4
エントロピー特徴：REn（レイリーエントロピー）;
PEn配置エントロピー;
SpEn（スペクトルエントロピー）;
ApEn（近似エントロピー）;
固有値
特徴選択アルゴリズム：1。高速相関ベースのフィルター（FCBF）
2.mRMRアルゴリズム（）
3.T検定アルゴリズム（T検定アルゴリズム）
4.ReliefFアルゴリズム
5.フィッシャースコアアルゴリズム（フィッシャースコア）
6。最小冗長性最大関連性（MRMr）;最小冗長性最大関連性
（mRMR）;
特徴分類アルゴリズム：1。ディシジョンツリー（DT）
2.フィードフォワードニューラルネットワーク（FFNN）（フィードフォワードニューラルネットワーク）
3。ラジアルベースネットワーク（RBF）ラジアルベースネットワーク
4.サポートベクターマシン（SVM）
5.ランダムフォレストアルゴリズム（RF）（ランダムフォレスト）
パフォーマンス評価方法：1。分類精度、感度、および特異性（分類精度、感度、および
特異性評価）
2.k-フォールドクロス検証（k複合クロス検証）
結論：結果に基づいて、 RFアルゴリズムは、成功のための最良のアルゴリズムであると考えられています。その後、無線周波数、SVM、離散コサイン変換、および動径基底関数アルゴリズムが、さまざまな機能クラスターで効果的であることがわかりました。
DTアルゴリズムは、計算時間が最小のアルゴリズムです。一般的に、アルゴリズムの後には、無線周波数アルゴリズム、SVMアルゴリズム、高速フーリエ変換ニューラルネットワークアルゴリズム、および動径基底関数アルゴリズムが続きます。