使用小波法搭配分類樹及回歸樹分析腦波特徵

Analysis of Brainwave Characteristics with Wavelet and Classification and regression trees

林聖諺(Sheng-Yan Lin)

指導教授 ： 蕭富元

淡江大學/工學院/航空太空工程學系碩士班/碩士(2015年)

https://doi.org/10.6846/TKU.2015.00525

摘要

本論文主要探討利用小波法對腦波進行濾波，並使用分類樹分
類腦波特徵。近年來用腦波來控制物體移動的應用，有越來越
廣泛的趨勢。可是由於腦波非常複雜，要將資訊從雜亂且微小
的腦波中抽取出來，是一件非常困難的事。本研究使用市售的
便宜腦波儀來搜集腦波數據，並採用小波法來進行濾波，最後
使用分類樹的方法進行特徵分類。本研究成果日後可應用至使
用腦波進行飛行器或地面載具的軌跡控制。

關鍵字

腦波 ； 小波分析 ； 多辨率分析 ； 分類樹

並列摘要

This thesis investigates the characteristics of brainwave using wavelet analysis method and classification and regression trees. Recently brainwave has been applied to wider and wider fields. However, it is very difficult to extract useful information from brainwave due to its complex nature. In this research we selected a commercial simple EEG to reduce the expense. Wavelet analysis is employed to analyze collected data, and using classification and regression trees to induction characteristics of brainwave. The result is applicable to navigation of ground or aerial vehicles in the future.

並列關鍵字

Brain ； Wavelet ； Multiresoluion Analysis ； classification and regression trees

參考文獻

[9] 江妍瑤, 水下聲源訊號雜訊消除之研究, 碩士論文, 資訊工程學系, 中學大學,

[8] 吳庭宇, 以二次小波轉換為依據之腦波節律特徵萃取及分類之研究, 碩士論文,

[10] James S. Walker , A primer on wavelets and their scientific applications, U.S.A:

[11] STEPHANE G. MALLAT, “A Theory for Multiresolution Signal Decomposition:

[20] L. Breiman, “Bagging predictors”, Machine Learning, Vol. 24, No.2, pp. 123-