换一批摘要运动障碍是帕金森病(PD)患者的重要特征,步态信号分析可以为疾病诊断和康复治疗提供有力依据.现实中PD患者数量远小于正常人群,传统的机器学习方法不适合对正例样本数远多于反例的非平衡数据进行分类.为了准确地区分出PD患者和健康人,使用一种代价敏感支持向量机(CS-SVM)的方法来构建PD患者和健康人之间的步态信号分类模型.所有受试者的步态运动学特征数据是采用真实的U型电子步道系统提取的,并将特征数据转化为无量纲的形式来消除身高对时空属性的影响.实验结果表明使用这种CS-SVM方法得到的预测准确率和F-measure值分别达到了94.16%和87.08%,与传统的SVM方法相比性能更优.同时消除身高对时空属性的影响可以大幅提高识别性能,预测准确率和F-measure值分别达到94.81%和88.66%.
更多相关知识
关键词
步态分析非平衡数据电子步道系统帕金森病代价敏感支持向量机gait analysisimbalanced dataelectronic walkway systemParkinsonaposs diseaseCost Sensitive Support Vector Machine(CS-SVM)
分类号
TP391
栏目名称
DOI
10.3778/j.issn.1002-8331.1612-0225
发布时间
2018-06-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
高等学校学科创新引智计划计划)（111)(No.B14025）
高等学校学科创新引智计划计划)（No.2015IT100095）
广东省科技厅重大项目（No.2016B010108002）
安徽省科技攻关计划（No.1501021042）
安徽省科技攻关计划（No.1301042215）
- 浏览0
- 被引8
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
