EEG-癫痫分类-CNNL-LSTM和机器学习SVM随机森林在混合数据集上进行

简介：
本研究旨在探讨癫痫发作类型的鉴别方法。通过深度学习模型包括卷积神经网络（CNN）、长短期记忆网络（LSTM）及其组合形式等，并结合传统机器学习算法如随机森林、决策树、ADABoost增强算法、K-近邻分类器（KNN）和支持向量机（SVM），对EEG信号进行特征提取和分类。通过离散小波变换（DWT）方法提取EEG信号的特征信息，以提高分类模型的效果。In this, there are two files: 1. Jeswin Main.ipynb and 2. Jeswin Second Main Notebook.ipynb.该数据集的文件EpilepticSeizureRecognition.csv包含于 notebook JeswinMain.ipynb中。This repository contains chb01 file types specifically designed for the JeswinMain2.ipynb Jupyter notebook.Dataset (a) originated from Kaggle. Dataset (b) originated from the scalable high-resolution EEG database, which comprises raw EEG data files.在chb01数据集中（编号为01、02、13和14）属于非癫痫状态。