基于LMS-PNN算法在心音识别与预测中的应用

• 作者: 周克良 王佳佳
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 心音 最小均方(LMS) 短时自相关系数 短时功率谱密度 概率神经网络(PNN)
• 年，卷（期）: 2019,（5）
• 页码范围: 831-836
• 页数: 6页
• 分类号: TN912.3
• 字数: 2481字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2019.05.007

摘要

传统的概率神经网络(Probability neural network,PNN)具有很强的容错性、学习过程简单、训练速度快等特点.为提高传统PNN在心音分类方面的性能,利用最小均方(Least mean square,LMS)方法对其进行优化,进而提高心音分类与预测的准确性.LMS-PNN算法对心音的信号运用窗函数进行分帧,利用双门限法确定数据IS的值,运用LMS方法对相应的参数进行调试,并将去噪后的数据以mat格式保存,提取出各个心音的短时自相关系数以及短时功率谱密度,并运用PNN,抽取40000个样本数据进行训练,并对各心音进行等级划分与预测.从PNN的模式层输入训练数据后,由实验数据验证可知,LMS-PNN算法的预测准确率可达96％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周克良	江西理工大学电气工程与自动化学院	57	244	8.0	13.0
2	王佳佳	江西理工大学电气工程与自动化学院	2	0	0.0	0.0