針對(duì)原始K均值聚類(lèi)算法的局限性,設(shè)計(jì)了一種改進(jìn)的K均值聚類(lèi)算法,結(jié)合不同睡眠階段的特性,實(shí)現(xiàn)睡眠階段的自動(dòng)分期。首先,針對(duì)原始K均值選取初始聚類(lèi)中心的隨機(jī)性,基于密度和距離兩項(xiàng)指標(biāo)來(lái)選取初始聚類(lèi)中心,使得初始聚類(lèi)中心的選擇更加合理,從而提高算法的穩(wěn)定性;其次,選用高斯核函數(shù)作為聚類(lèi)中心更新時(shí)的權(quán)值,減少離群點(diǎn)對(duì)中心的影響;然后,根據(jù)不同睡眠狀態(tài)的特征,設(shè)計(jì)了分步聚類(lèi)處理方式;最后,定義了距離修正系數(shù)對(duì)K均值聚類(lèi)的結(jié)果加以修正,使其聚類(lèi)結(jié)果更符合實(shí)際睡眠狀態(tài)變化規(guī)律。將改進(jìn)算法分別在來(lái)自不同數(shù)據(jù)集的睡眠數(shù)據(jù)上進(jìn)行了測(cè)試,比原始K均值聚類(lèi)有顯著提升,且更貼近人工判讀,能夠?yàn)樗郀顟B(tài)分析提供可行的輔助判讀方式。 

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 睡眠數(shù)據(jù)和特征提取
    1.1 睡眠數(shù)據(jù)來(lái)源
    1.2 頻域特征提取
2 改進(jìn)的K均值聚類(lèi)及其距離修正
    2.1 改進(jìn)的K均值聚類(lèi)
    2.2 分步聚類(lèi)處理
    2.3 距離修正
3 睡眠分期結(jié)果
    3.1 專(zhuān)家判讀
    3.2 分類(lèi)結(jié)果對(duì)比
    3.3 睡眠時(shí)相序列圖
4 討論
5 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)k均值與高斯混合模型的宮頸圖像分割[J]. 劉君,余婷婷,石慧娟.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2018(02)
[2]采用k均值聚類(lèi)的物理層密鑰生成方案[J]. 劉景美,韓慶慶,沈志威,劉景偉.  西安電子科技大學(xué)學(xué)報(bào). 2019(01)
[3]基于序列連通度的睡眠分期算法研究[J]. 劉志勇,孫金瑋.  電子學(xué)報(bào). 2017(01)
[4]基于改進(jìn)的K均值聚類(lèi)算法的睡眠自動(dòng)分期研究[J]. 肖姝源,王蓓,張見(jiàn),張群峰,鄒俊忠.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(05)
[5]基于心率變異性分析的睡眠分期方法研究[J]. 王金海,孫微,韋然,趙曉赟,國(guó)海丁,王慧泉.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(03)
[6]一種新的腦電信號(hào)睡眠分期方法[J]. 王群,程佳,劉志文.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2015(01)



本文編號(hào)：3698741