صرع یکی از شایع ترین بیماری های عصبی است که معمولا با حمله های ناگهانی همراه است. حمله های صرعی یا تشنج بصورت نشانه های گذرا یا علایمی از فعالیت های عصبی غیرعادی، شدید و همزمان (سنکرون) در مغز تعریف می شوند. در حدود یک درصد از جمعیت جهان حمله های صرعی را در زندگی خود تجربه می کنند. درمان قطعی خاصی برای این بیماری وجود ندارد و تنها می توان آن را با استفاده از دارو یا در برخی از بیماران با اعمال جراحی در شرایط خاصی کنترل نمود. همچنین برای بیش از 25 درصد این بیماران با وجود پیشرفت های وسیع دارویی و درمانی، حتی رسیدن به این شرایط از کنترل بیماری نیز غیر ممکن است. بدین ترتیب در صورتی که بتوان به طریقی زمان حمله را پیش بینی کرد، کمک بسیاری به بیماران صرعی خواهد شد و بهبود وسیعی در تمامی جنبه های زندگی بیماران حاصل خواهد شد. کاهش مصرف دارو و تاثیرات سو آن، افزایش آرامش جسمی و روحی بیمار و نزدیکان وی و بطور خلاصه رسیدن به یک شرایط زندگی نزدیک به نرمال از مهمترین نتایج چنین پژوهشی است. در این کار هدف آن است تا با ترکیب مشخصه های بهینه شده بتوانیم وقوع حمله صرعی را در بیماران دارای صرع کانونی با دقت خوبی پیش بینی کنیم. بدین منظور دو راهکار عمده پیشنهاد شده است. راهکار اول ترکیب ویژگی ها با استفاده از روش های طبقه بندی مبتنی بر هسته بوده و از روش های متنوعی از پیش پردازش ویژگی ها جهت حصول بهبود در نتایج پیش بینی بهره می گیرد. راهکار دوم استفاده از ترکیب تفاضلی و نسبتی مشخصه ها است. با این روشها می توان برخی از مشخصه های سیگنال را برجسته کرد. بعلاوه پردازش تفاضلی امکان کاستن از نویزهای مشترک را فراهم می کند. همان گونه که نشان داده خواهد شد، استفاده از این روش می تواند خطای طبقه بندی را کاهش داده و به نوبه خود موجب افزایش دقت در پیش بینی زمان حمله صرع گردد.