换一批摘要准确的睡眠分期有利于帮助人们改善睡眠质量.本文提出了一种基于序列连通度分析的特征参数提取算法,提取了连通度分布斜率,连通距离均值,平均连通距离均值以及改进的加权连通度均值等特征参数,采用最小二乘支持向量机对其进行训练和学习,建立了睡眠脑电的数学模型.结果表明,相对于目前已有的序列加权连通度算法,本文算法对于不同睡眠状态的分期正确率提高了约5.72％,特别是对于浅睡眠状态的分类正确率提高约9.65％.
更多相关知识
关键词
脑电信号序列连通度最小二乘支持向量机EEG(Electroencephalogram)visibility graphLS-SVM (Least square-support vector machines)
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0372-2112.2017.01.031
发布时间
2018-07-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
哈尔滨工业大学理工医交叉学科基础研究培育计划（(HIT.IBRSEM.2013005)）
哈尔滨市科技创新人才研究专项资金（(2015RAXXJ038)）
- 浏览3
- 被引7
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
