模糊聚类支持向量机在步态分类中的应用

• 作者: 冯敏 张西学 陆强 马华
• 来源期刊: 中国组织工程研究与临床康复
• 学科: 医学
• 关键词: 步态分类 支持向量机 模糊C均值聚类 核函数 智能诊断技术
• 年，卷（期）: 2011,（9）
• 页码范围: 1623-1626
• 分类号: R318
• 字数: 3906字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-8225.2011.09.025

摘要

背景:对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案.如何有效地分类小样本步态数据成为重要的研究课题.目的:用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病.方法:建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base 40～59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模.数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类.采用不同核函数的支持向量机算法验证分类能力.结果与结论:实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张西学	泰山医学院信息工程学院	26	51	4.0	6.0
2	陆强	泰山医学院信息工程学院	21	33	3.0	4.0
3	马华	泰山医学院信息工程学院	28	117	6.0	9.0
4	冯敏	泰山医学院信息工程学院	12	29	3.0	5.0