基于SVM方法的神经网络呼吸音识别算法

• 作者: 刘国栋 许静
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 支持向量机 呼吸音 小波分析 神经网络 身体局域网
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 学术通信
• 页码范围: 218-222
• 页数: 5页
• 分类号: TP311.134.3
• 字数: 3663字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-436x.2014.10.025

摘要

提出了一种神经网络的SVM(支持向量机)呼吸音识别算法,将通过小波分析得到的呼吸音特征输入神经网络,作为SVM方法的特征输入,对训练样本进行训练,再对测试样本进行分类识别.对于呼吸音反映的3种状态(正常、轻度病变和重度病变)进行了识别,同时与K最近邻(KNN)方法进行比较.实验结果表明,SVM方法具有较高的识别精度,能够对呼吸音状态进行识别,同时在此领域也验证了在神经网络方法中无法避免的局部极值问题.提示基于SVM方法的神经网络呼吸音识别算法有较好的精度,可为身体局域网技术提供信息处理的有效算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许静	南开大学计算机与控制工程学院	35	507	10.0	22.0
2	刘国栋	南开大学计算机与控制工程学院	7	65	3.0	7.0