基于PSO-SVM的脉搏波特征选择的生理疲劳辨识

• 作者: 张家润
• 来源期刊: 现代计算机
• 关键词: 脉搏波预选特征 ReliefF权值分析 粒子群优化 支持向量机
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 研究与开发
• 页码范围: 7-12
• 页数: 6页
• 字数: 3963字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.10.002

摘要

为了提高脉搏波检测生理疲劳的精度,提出一种脉搏波特征选择的疲劳辨识.先将脉搏波信号经过预处理,后提取脉搏波上升支幅度HUAM、上升支幅度与下降支幅度比值UDOR1、上升支时间TUAM、上升支时间与下降支时间比值UDOR2、脉搏波周期WPT作为脉搏波疲劳特征预选值,对上述5维特征预选值和疲劳标签,采用ReliefF分析方法,得到预选值权重,采用了权重大于0.045的UDOR2、WPT作为疲劳特征值.最后利用PSO-SVM实现脉搏波特征选择的疲劳辨识.样本总辨识率为95.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张家润	四川大学电子信息学院	4	0	0.0	0.0