为了准确地目视检查和解释脑电图(EEG),提出了一种用于识别 EEG 信号中癫痫发作信号的异常检测方法。首先, 使用小波变换将 EEG 信号分解为近似和细节系数,并根据阈值准则剔除不显著系数,以限制小波系数的数量;其次, 采用自编码器对离散小波系数进行编码;然后, 对 EEG 信号进行分析以检测异常值,通过压缩特征集进行数据重构,利用分类器从无癫痫信号中检测癫痫;最后,使用波恩大学数据库,将所提方法与既有方法进行比较。用所提方法采用线性和非线性机器学习分类器从 EEG 信号中检测癫痫发作信号。实验结果表明,该方法的准确率和特异性分别达到了 99.93% 和 100% 。因此,所提方法具有良好的检测能力和鲁棒性,可以用简单的线性分类器识别 EEG 信号中的癫痫发作活动信号,适用于时间序列信号分析,同时能够检测和判断异常,也可为癫痫的诊断、治疗和评估提供客观参考,从而减轻医生的工作量,提高治疗效率。