换一批基于加权软投票融合模型的脉象信号识别研究
Research on Pulse Signal Recognition Based on Weighted Soft Voting Fusion Model
摘要目的 脉象识别是中医客观化、智能化的重要组成部分,这种无创、快速的诊断方法具有巨大的临床价值,然而数据不平衡和特征提取繁杂仍是具有挑战性的问题.方法 利用tsfresh库对巴特沃兹带通滤波器后的一维脉象信号提取特征向量,并加入探索性数据分析所选出的9列医学辅助特征,共同进行特征筛选得出21列特征向量作为加权软投票融合模型的输入.通过边界合成少数类样本过采样技术,解决数据不平衡问题,构建基于XGBoost、随机森林、LightGBM、梯度提升决策树4种机器学习的加权软投票融合模型,最终模型将输出具体脉象类别,通过评价指标准确率、精确率、召回率和F1分数进行性能展示.结果 实验结果表明,所筛选出的21项特征向量共六类脉象信号测试集,在五折交叉验证中取得准确率90.04%,且仅耗时65.9466 s.结论 本论文能为脉象信号识别提供更精准、更智能的辅助参考,与常用脉象识别方法相比有更低的操作复杂性和更高的准确率,较短的训练时间也使其在多种类脉象信号识别中更具临床实用价值.
更多相关知识
关键词
脉象识别数据不平衡加权软投票融合模型特征提取机器学习Pulse recognitionData imbalanceWeighted soft voting fusion modelFeature extractionMachine learning
分类号
R241.19（中医临床学）
栏目名称
DOI
10.11842/wst.20220909006
发布时间
2024-01-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
