首页 > 文献资料
-
基于小二乘支持向量机的心音分类识别研究
目的 将小二乘支持向量机引入心音的分类识别,优化其参数设置,获得优的分类结果 .方法 本文通过医院采集和网络下载获得99例心音信号,每个信号提取两个长度为5 s的样本,共198个样本,均分为3个集合.对每个样本采用sym6小波基进行小波包3层分解,根据Parseval定理计算每个样本的能量谱特征.以训练集数据送入支持向量机和小二乘支持向量机进行机器学习,采用不同步长相结合的搜索法,根据测试集1的分类结果 对向量机的参数进行优化.结果 以高斯径向基函数为核的支持向量机,其惩罚因子C和核函数宽度σ均为20.086时,对测试集1的分类正确率高,为79.7%;对测试集2的分类正确率为84.5%,分类计算使用的时间分别为0.108 s和0.117 s.对小二乘支持向量机,高斯径向基函数宽度平方σ2取1,正则化参数γ取20.086时,对测试集1的分类正确率高,为94.2%;对测试集2的分类正确率为89.6%,分类计算使用的时间分别为0.0638 s和0.0692 s.结论 采用求解线性方程法寻找局部优解的小二乘支持向量机运算速度快,更适合心音样本的分类识别.
-
NIR结合LS-SVM用于六神曲发酵过程质量监测的适用性研究
目的:考察近红外光谱分析(NIR)技术结合小二乘支持向量机(LS-SVM)用于六神曲发酵过程质量监测的适用性.方法:利用近红外光谱仪获取67个发酵过程六神曲样品在400-2 500 nm范围内的光谱数据,并用Folin-酚法与DNS法分别测定了六神曲样品的蛋白酶与淀粉酶活力,运用LS-SVM建立蛋白酶与淀粉酶活力的预测模型.结果:蛋白酶近红外模型的Rc与Rp值分别为0.975,0.938;RMSEC与RMSEP分别为5.297,9.795;淀粉酶近红外模型的Rc与Rp值分别为0.987,0.973;RMSEC与RMSEP分别为7.215,6.864.结论:此模型可用于六神曲发酵过程中蛋白酶与淀粉酶活力的定量分析,为六神曲发酵过程质量参数的在线检测奠定了基础.
-
远程健康监护系统监护信息预报方法
目的 针对远程健康监护系统中系统预报未来的监护信息数值问题,提出一种基于粒子群优化算法(particle swarm optimization,PSO)的监护信息预报方法.方法 采用PSO算法确定预报模型参数,应用小二乘支持向量机(least square support vector machine,LS-SVM)对未来监护信息数值进行预报.文中构建了监护信息的LS-SVM预报模型,给出了模型参数确定方法.后,选择PhysioNet标准数据库中的数据,应用该方法进行了实验.结果 实验结果表明该监护信息预报方法是有效的.结论 基于PSO算法的远程健康监护系统可较好地预测未来的监护信息值,并能较准确地预报监护对象的健康状态.
-
相关向量机在肿瘤表达谱分类问题中的应用
基因芯片技术能够检测大量基因的表达水平,在肿瘤研究中得到日益广泛的应用.基于基因芯片表达谱的肿瘤分类诊断是肿瘤表达谱研究的一个热点.肿瘤表达谱分类是一个典型的高维度小样本分类问题,描述一个两步策略的分类方法.在测试的基因表达谱中存在大量的非差异表达冗余基因,通过一个有效的基因预选择策略得到一个较小的候选基因子集,然后建立基于相关向量机的分类预测模型.在4个真实的肿瘤表达谱数据上,与几种不同的方法进行比较,结果显示该方法可以得到更好的分类精度,同时表现出很好的稳定性.
-
基于小二乘支持向量回归建模方法的人机系统操作员功能状态分析
目的 建立具有很强预测能力的数学模型来准确评估人机系统操作员功能状态( Operator Functional States,OFS).方法 基于采集到的一系列操作员电生理信号及性能数据,采用小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)方法对OFS建模.通过网格搜索和10-折交叉验证方法对模型参数进行优化,并将LSSVM与基于遗传算法的模糊建模方法进行比较.结果 模型基本能反映OFS的实际变化趋势,输出误差在可接受的范围之内且与基于遗传算法的模糊建模方法得到的模型输出误差相比较小.结论 LSSVM方法具有更好的泛化性能,将其用于OFS评估是有效的.
-
近红外光谱技术结合粒子群小二乘支持向量机算法在山茱萸药材质量控制中的应用研究
本文结合近红外光谱(NIR)定量分析技术以及粒子群小二乘支持向量机(PSO-LS-SVM)方法,发展了一种方便、快速的用于山茱萸药材的多指标质量控制方法.实验以水分、浸出物、马钱苷、莫诺苷为质控指标,利用粒子群算法对小二乘支持向量机算法进行参数优化,并建立定量校正模型,发现模型中各个指标校正和预测性能都优于偏小二乘回归(PLSR)和神经网络(BP-ANN),其中校正集相关系数均大于0.942.对于未知样本的预测,PSO-LS-SVM模型的RMSEP和RSEP值分别小于1.176和15.5％,较其余两个模型更低.本文建立的PSO-LS-SVM模型具有模型性能好、预测精度高的优点.近红外光谱技术结合化学计量学方法在山茱萸药材质量控制中具有潜在的应用价值.
-
基于小二乘支持向量机的大肠癌K-ras基因突变预测
目的 探讨利用小二乘支持向量机模型对大肠癌K-ras基因突变进行预测的可行性.方法 首先采用测序法检测90例大肠癌患者癌组织K-ras基因突变情况,继而选取特征变量用小二乘支持向量机模型进行预测并与测序结果进行比较.结果 重复100次的小二乘支持向量机模型预测发现,训练集的准确率为100%,方差为0;检验集的准确率为79.4%,方差为4.51.结论 应用小二乘支持向量机预测模型预测大肠癌K-ras基因突变是可行的,有助于指导临床诊断、治疗和评价预后.
-
基于小二乘支持向量机的苯麻滴鼻液含量测定
应用小二乘支持向量机(LS-SVM)技术同时测定苯麻滴鼻液中盐酸苯海拉明和盐酸麻黄碱的含量.对苯麻滴鼻液的紫外光谱数据进行预处理和主成分分析后不经分离,采用LS-SVM学习建模,并同时测定两组分的含量.对均匀设计标样中的盐酸苯海拉明、盐酸麻黄碱拟合相关系数分别为0.9999、0.9993.测试样品误差范围-0.81%～3.68%,测定样品平均回收率分别100.0%、99.7%.与HPLC法所得结果无显著差异.
-
基于小二乘支持向量机的秦皮提取工艺的研究
目的:应用小二乘支持向量机(LS-SVM)技术优化秦皮的提取工艺.方法:以秦皮甲素和秦皮乙素为指标,采用均匀设计安排提取试验,并用小二乘支持向量机建立关系模型.结果:小二乘支持向量机对秦皮甲素和秦皮乙素的拟和相关系数分别为0.999 7与0.999 9;得到的优工艺条件为提取温度100℃、乙醇浓度50%、液固比11、提取时间70min,机器模型在此条件下的预测值为秦皮甲素提取量为9.291mg·g-1,秦皮乙素提取量为2.241mg·g-1,和实际测量值的相对误差仅为-2.97%和2.66%,具有较好的预测性.结论:小二乘支持向量机可用优化秦皮提取工艺.
-
黄芩抑菌谱-效相关质量评价系统的研究
目的:建立黄芩抑菌谱-效相关质量评价系统.方法:对收集到的20批不同产地的黄芩药材,采用HPLC法进行液相检测,选择合适的内标物质和共有峰,计算共有峰相对内标峰的相对峰面积值.试管法进行体外抑菌实验,测定抑菌率.运用小二乘支持向量机(LS-SVM)法建立黄芩药材抑菌谱-效相关质量评价模型.结果:建立以丹皮酚为内标物质的黄芩指纹图谱检测方法,指定10个色谱峰为共有峰;检测了20批黄芩药材对金黄色葡萄糖球菌的抑菌率,抑菌率为71.177 0％～95.2430％.建立的数学模型,拟合值与实验数据的吻合度非常高,平均相对偏差不到10-14％,盲法验证试验,模型预测值与实验值的相对偏差及平均相对误差均在6％以下.结论:通过黄芩指纹图谱的检测,运用所建立的数学模型,可以达到从药效上对黄芩质量进行评价的目的.
-
基于遗传算法结合小二乘支持向量机的秦皮提取液快速定量分析方法
目的:探讨遗传算法(genetic algorithm,GA)结合小二乘支持向量机(least squares support vector machine,LSSVM)用于泰皮提取液中多组分含量的快速测定的可行性.方法:以HPLC分析值作为参照,采集不同产地的秦皮提取液的紫外光谱,运用GA算法筛选光谱特征波长,再对筛选结果应用主成分分析(pricipal component analyze,PCA)进行特征提取,结合LSSVM算法建立快速测定秦皮甲素、秦皮乙素及秦皮素的数学模型.结果:应用GA算法筛选后,秦皮甲素、秦皮乙素、秦皮素的建模光谱维数分别下降为全谱的44％,44％,32％,所建模型的预测集相关系数(RP)分别为秦皮甲素0.948 6,秦皮乙素0.960 3,秦皮素0.929 3,预测均方根(RMSEP)分别为秦皮甲素0.085 2,秦皮乙素0.033 4,秦皮素0.012 1.结论:GA算法可以在充分保留光谱有效信息的基础上,显著降低模型的复杂度,结合LSSVM算法建立的模型可以用于快速测定秦皮提取液中秦皮甲素、秦皮乙素及秦皮素的含量,为中药提取液的质量控制提供新思路.
-
基于能量特征和小二乘支持向量机的自动睡眠分期方法
睡眠分期是研究睡眠及相关疾病的基础,是完成睡眠质量评估的前提.为实现有效睡眠自动分期,本文提出将能量特征和小二乘支持向量机(LS-SVM)相结合的方法.先利用FIR带通滤波器提取Pz-Oz导睡眠脑电信号的特征波,获得能量特征,并与小波包变换方法相比较;然后用LS-SVM分类器进行模式识别,终实现睡眠自动分期.实验表明,本文所提出的基于能量特征和LS-SVM的自动睡眠分期方法简单、有效,平均正确率达88.89％,具有很好的应用前景.
