席敏
- 作品数：3 被引量：8H指数：2
- 供职机构：桂林电子科技大学计算机科学与工程学院更多>>
- 发文基金：广西壮族自治区科学研究与技术开发计划更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 一种基于半径的k-means算法被引量：1
- 2013年
- 传统的k-means算法及改进的k-means++算法中,簇的初始中心点选择都是随机的,这导致聚类结果可能陷入局部最优,使得算法对一些实际问题无效。为了克服这个缺陷,提出一种基于半径的k-means+λ算法,在选择簇的初始中心点时,根据λ参数计算各点间距离比例,并以某个特定的距离为半径作圆,在圆内根据距离比例选择一个初始化中心点。在相同的测试环境下,采用KDD CUP99数据集测试。测试结果表明,相比k-means算法和k-means++算法,本算法在错误率和运算时间上具有更高的性能。
- 刘家星朱国魂席敏
- 关键词：K-MEANS聚类
- 基于小波变换与SVM的调制信号识别方法被引量：4
- 2014年
- 为了准确地识别通信信号的调制方式,运用小波变换与支持向量机(SVM)对调制信号类型进行识别。采用小波分解重构方法对常用3种模拟信号和6种数字信号提取特征值,将提取的小波特征参数送到SVM判决器,对信号调制类别进行训练与测试,得到平均识别率。实验结果表明,在信噪比不低于5dB时,识别率达到了100%,具有良好的分类性能和抗噪能力。
- 席敏朱国魂姜茜
- 关键词：调制类型小波变换SVM
- 多尺度排列熵及其在癫痫发作识别中的应用被引量：3
- 2015年
- 脑电图是人脑神经元动态活动的综合表现形式，可以用来研究癫痫的脑部病理变化。本文引入多尺度排列熵（MPE）的概念，将其应用于癫痫患者和健康人的脑电图特征提取，并将所有特征参数送入支持向量机（SVM）进行分类。实验结果表明，在区分癫痫患者和健康人的脑电图时平均分类精度达100％，癫痫发作间期和发作期的平均分类精度为99．58％。与同时输入的1—5个单尺度排列熵（PE）对比分析发现，MPE比PE更能反映癫痫脑电图多尺度上的特征，能更好、更稳定地实现癫痫预测。
- 席敏朱国魂
- 关键词：癫痫脑电图支持向量机
