基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于FCM聚类算法的呼吸音分类识别研究
呼吸音
呼吸音分类
Morlet小波
FCM聚类算法
基于神经网络算法的字符识别方法研究
BP神经网络
车牌
字符识别
形状
基于稀疏卷积神经网络的考生识别算法
考生识别
卷积神经网络
人脸识别
身份验证
多通道输入
方法比
基于LM优化算法的BP神经网络目标识别方法
瞬态特性
奇异值特征
LM算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM方法的神经网络呼吸音识别算法
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (33)
参考文献  (8)
节点文献
引证文献  (10)
同被引文献  (26)
二级引证文献  (16)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(3)
  • 二级引证文献(3)
2019(8)
  • 引证文献(2)
  • 二级引证文献(6)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
支持向量机
呼吸音
小波分析
神经网络
身体局域网
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通信学报
月刊
1000-436X
11-2102/TN
大16开
北京市丰台区成寿路11号邮电出版大厦8层
2-676
1980
chi
出版文献量(篇)
6235
总下载数(次)
17
论文1v1指导