基于SVM_RFE的脑电波自动睡眠分期算法

• 作者: 林秀晶 钱松荣
• 来源期刊: 微型电脑应用
• 学科: 医学
• 关键词: 睡眠分期 支持向量机 迭代特征选择 数据聚合
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 研究与设计
• 页码范围: 50-52
• 页数: 3页
• 分类号: R318
• 字数: 2584字
• 语种: 中文

摘要

脑电波是睡眠疾病诊断中重要的数据.为了提高自动脑电波睡眠分期正确率,提出基于支持向量机及迭代特征消去特征选择的脑电睡眠分期方法.通过将特征选择方法SVM_RFE拓展到多分类,以多组实验后数据的聚合分布作为特征值选择策略,为SVM分类器选择合适的输入特征向量组.采用标准的开源数据,通过对比实验了无特征选择及有特征选择中的两组数据.实验结果表明,提出的方法能够有效地提高分期正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱松荣	复旦大学通信科学与工程系	72	409	11.0	15.0
2	林秀晶	复旦大学信息科学与工程学院	3	9	2.0	3.0