一种连续无创血压预测的改进向量机学习方法

• 作者: 樊海霞 陈小惠
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 支持向量回归模型 遗传算法 人体特征 血压预测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 1686-1692
• 页数: 7页
• 分类号: TP274
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.19-0154

摘要

因不同人体生理特征的差异性,影响了基于光电容积脉搏波(PPG)和心电信号(ECG)的连续无创血压测量精度,提出一种基于优化的支持向量机模型预测血压的方法.该方法将PPG、ECG及人体特征进行处理并组成特征矩阵,通过水银血压计测得实时血压值,运用主成分分析法和遗传算法改进的支持向量机学习模型对特征矩阵和实时血压值进行回归训练,从而建立最优血压预测模型.实验证明,优化改进支持向量回归血压预测方法比传统支持向量机学习法准确提升了10％ ～15％.