癫痫是一种常见的大脑神经紊乱疾病，癫痫性发作主要由大脑中反常的神经元的超 同步放电引起。为了更好地完成癫痫性发作的自动检测，文中提出了一种新的癫痫脑电 融合特征提取方法。一方面，在基于Hjorth参数的振幅移动性与振幅复杂度的基础上，结 合Hilbert变化提出了一种新的频率移动性与频率复杂度，然后将他们合成定义为改进的 Hjorth参数特征；另一方面，结合二阶差分提出了一种跹进的二阶差分样本熵。最后将改 进的Hjorth参数特征与二阶差分样本熵一起作为融合特征放入超限学习机（ELM)中进 行分类。数值实验结果表明，文中所提出的融合特征与ELM结合的癫痫性发作的自动检 测方法与已有方法相比，检测性能有了很大提高，准确率可达到97．42％。