M3-SVM在帕金森疾病UPDRS分类中的应用

• 作者: 季薇 李云 汪学明
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 帕金森疾病 语音 最小最大模块化支持向量机 性别划分 统一帕金森评定量表
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 应用开发研究
• 页码范围: 178-182
• 页数: 5页
• 分类号: TP39
• 字数: 3933字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.03.038

摘要

根据帕金森疾病对男女患者语音的影响不同这一现实依据,提出将性别这一先验知识融入到最小最大模块化支持向量机(M3-SVM)中,实现对统一帕金森评定量表(UPDRS)的分类.首先将性别作为先验知识,对UPDRS分类问题进行任务分解;其次,对经过任务分解后的训练样本集合运用支持向量机(SVM)进行训练得到基分类器;最后,通过MIN、MAX规则对所有基分类器的预测结果进行集成得出最终的分类结果.在两类及三类远程帕金森数据集的仿真实验中,基于性别划分得到的最好的F-measure值分别为80.19%和69.26%,与随机划分相比,分别提高了3.75%和5.19%,与超平面划分相比,分别提高了0.96%和4.15%.实验结果表明,使用性别划分能够更加准确地根据实际情况分解数据,基于性别划分的M3-SVM提高了UPDRS分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云	南京邮电大学计算机学院	25	118	6.0	9.0
2	季薇	南京邮电大学通信与信息工程学院	36	167	7.0	11.0
3	汪学明	南京邮电大学通信与信息工程学院	1	3	1.0	1.0