一种基于递归分析的宫缩信号强度分类方法

• 作者: 刘志康 张烨菲 张钰 邵李焕
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 宫缩强度 经验模态分解 递归分析 SMOTE-PCA-SVM分类器
• 年，卷（期）: 2020,（5）
• 页码范围: 39-45
• 页数: 7页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2020.05.008

摘要

提出一种基于递归分析的宫缩信号分类方法,用于区分不同强度的宫缩信号.首先,使用经验模态分解(Empirical Mode Decomposition,EMD)与形态学结合的联合滤波算法进行高频降噪,并通过平滑先验法(Smoothness Priors Approach,SPA)去除信号的基线漂移;然后,通过递归分析获取描述递归图的递归参量,将其与信号的一维时域 、形态特征融合成16维的特征向量;最后,使用SMOTE-PCA-SVM分类器对宫缩信号强度进行分类.仿真实验表明:所提宫缩信号强度分类方法与传统方法相比,在准确性 、灵敏度和特异性方面均有提高,分别达到98.22％,98.08％ 以及98.17％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵李焕		14	57	3.0	7.0
2	张钰		13	23	4.0	4.0
3	刘志康		1	0	0.0	0.0
4	张烨菲		3	1	1.0	1.0