江苏省自然科学基金(BK2009198)
- 作品数:4 被引量:41H指数:2
- 相关作者:谢洪波和卫星刘慧黄虎王志中更多>>
- 相关机构:江苏大学香港理工大学上海交通大学更多>>
- 发文基金:江苏省自然科学基金国家重点基础研究发展计划更多>>
- 相关领域:医药卫生自动化与计算机技术更多>>
- 基于模糊熵的脑电睡眠分期特征提取与分类被引量:36
- 2010年
- 提出了一种基于模糊熵(FuzzyEn)的脑电睡眠分期特征提取新方法。作为样本熵(SampEn)算法的改进,模糊熵以一指数函数模糊化相似性度量公式,使得模糊熵值能够随参数变化过渡平滑,并且在参数值很小的情况下其定义仍有意义,同时继承了样本熵的相对一致性和短数据集处理特性。以8例受试者睡眠脑电监测数据及专家人工分期结果作为样本,提取睡眠各分期脑电数据模糊熵特征值,进而用支持向量机(SVM)分类。基于模糊熵的方法平均正确率达87.1%,优于样本熵方法获得的分类结果(83.0%),两种特征提取方法在采用不同的SVM核函数情况下,其分类结果在95%的置信区间内均保持显著性差异。实验结果表明,该模糊熵方法能有效地表征脑电睡眠各分期的复杂度。
- 刘慧谢洪波和卫星王志中
- 关键词:脑电波睡眠分期模糊熵支持向量机
- 基于肌音信号的假肢手动作模式分类研究
- 肌音信号(MMG)是肌肉收缩时肌纤维侧向振动的力学反映。本文研究肌音信号作为假肢手控制源辨识多个手部动作的可行性。分别提取了12个受试者完成手抓、放和腕曲、伸动作的2通道肌音信号。对信号的小波包变换矩阵进行奇异值分解,采...
- 谢洪波郑永平
- 关键词:时频分析
- 文献传递
- 基于文化算法的表面肌电信号特征选择被引量:1
- 2012年
- 为了提高假肢控制系统肌电信号的分类准确率,提出一种新的基于文化算法的特征选择方法,通过该方法选择出最佳特征向量,然后用线性分类器检验其分类性能。利用表面差分电极从人体上肢四块肌肉采集四通道的肌电信号,对十个健康受试者进行八个动作的肌电信号模式分类实验,并同时用标准遗传算法来与文化算法作比较。实验结果表明,文化算法与遗传算法相比,特征维数更小,分类准确度更高。
- 许璇谢洪波黄虎杨瑞凯
- 关键词:表面肌电信号文化算法遗传算法模式识别
- 基于蚁群算法的表面肌电信号特征选择被引量:2
- 2012年
- 目的为提高假肢系统对动作信号的识别速度,设计了基于优化蚁群算法(ant colonyoptimization,ACO)的特征选择法,对表面肌电信号(surface electromyography,sEMG)高维特征向量降维以减少计算负担。方法以特征与目标类型之间互信息关系作为启发函数,通过蚁群算法选出最佳特征子集,最后用已训练好的人工神经网络检验其分类性能。结果对10名健康受试者进行了手腕部动作的肌电信号模式分类实验。与传统主成分分析法(principle component analysis,PCA)相比,该算法选出的特征子集提高了识别准确率,并显著降低了原始特征集的特征维数,进而简化分类器的结构,减少计算开销。结论本方法在实时性要求高的肌电控制假肢等系统中具有良好的应用前景。
- 黄虎谢洪波
- 关键词:表面肌电信号蚁群算法模式识别
- 基于贝叶斯相关向量机的脑电睡眠分期被引量:4
- 2011年
- 针对支持向量机(SVM)计算复杂度高和参数不易确定的局限性,提出一种基于稀疏贝叶斯相关向量机(RVM)的脑电数据睡眠分期方法.给出二分类RVM的参数推理和优化,并确定了二叉树多分类RVM模型.基于8例健康成年人的MIT/BIH睡眠脑电实测数据,根据已有的专家人工睡眠分期注释,首先提取清醒期和睡眠各期脑电数据的样本熵值作为特征向量样本,然后利用二叉树多分类器法构建贝叶斯RVM睡眠分期模型,输入清醒期和各睡眠期样本进行训练和测试,最终实现各睡眠分期的模式分类.结果表明:在两种径向基核函数下,基于RVM的睡眠分期识别准确率最高达到89.00%,高于SVM方法(87.67%),且较SVM需要更少的支持向量数目及更短的测试时间,即RVM比传统的SVM具有更优的分类能力和更高的计算效率,是一种有效的睡眠分期识别方法.
- 沈跃刘慧谢洪波和卫星
- 关键词:脑电波睡眠相关向量机支持向量机