癫痫是一种危害人类健康的常见病和多发病之一,随时随地地发作给患者身心健康造成很大影响,在很多国家已经成为神经系统很受重视的高发疾病。脑电图是常用于辅助检测癫痫的一种重要手段,但是癫痫患者的脑电图不总是显示异常,所以依靠观察脑电图进行癫痫脑电识别依然存在问题,而且经过研究发现癫痫具有较强的随机性、非平稳性和非线性等特点,对癫痫疾病相关的研究带来较大的困扰。因此如何有效地提取脑电特征来表征癫痫脑电特征的信息,是进行癫痫诊断的首要问题。针对癫痫脑电信号具有的随机性、非平稳性以及非线性等特点,本文提出了混合特征提取,将时域方法和非线性分析方法混合提取特征,然后采用粒子群优化算法进行优化选择,最后利用优化选择出的特征通过RBF神经网络算法训练癫痫分类器。在实验中,我们首先对提取的特征针对癫痫数据类别进行研究分析,然后在二分类和三分类采用粒子群优化算法进行特征优化,发现优化的结果和采用盒形图在二分类上的问题大致是吻合的,其中二分类问题和三分类问题准确率分别达到99%和98.1%。通过多次的交叉实验结果表明该方法在针对癫痫脑电波分类特征提取上具有有效性。本文还提出了有效的脑电信号分帧方法,在多分类过程中使用特征选择优化模型得出的特征,能够快速识别癫痫脑电信号,提升分类结果的准确性。