本文關(guān)鍵詞：基于極限學(xué)習(xí)機的中醫(yī)脈象識別方法　出處：《東北大學(xué)學(xué)報(自然科學(xué)版)》2017年09期 　論文類型：期刊論文

  更多相關(guān)文章： 中醫(yī)脈象 脈搏波 特征提取 極限學(xué)習(xí)機 脈象識別

【摘要】：針對中醫(yī)脈象模糊性強、種類繁多、特征復(fù)雜的特點,以及傳統(tǒng)模糊聚類方法、BP神經(jīng)網(wǎng)絡(luò)識別方法的不足,提出了一種基于極限學(xué)習(xí)機(extreme learning machine,ELM)的脈象識別方法.該方法通過提取脈象信號的特征向量,然后利用ELM對特征向量進行了訓(xùn)練和分類.實驗結(jié)果表明,本文所提出的脈象識別方法與傳統(tǒng)模糊聚類方法、BP神經(jīng)網(wǎng)絡(luò)方法和支持向量機方法相比,識別正確率分別提高21%,9%和5%.這表明所提出的方法對脈象的分類判別能取得良好的效果.
[Abstract]:According to the pulse fuzzy strong, variety, characteristic of complex, and the traditional fuzzy clustering method, BP neural network recognition method, put forward a kind of based on the extreme learning machine (extreme learning machine, ELM) of the pulse recognition method. The method provided by the feature vector from the pulse signals, and then use ELM to the feature vector for training and classification. The experimental results show that the pulse recognition method proposed in this paper and the traditional fuzzy clustering method, BP neural network and support vector machine method, the correct recognition rate increased by 21% and 9% respectively, which indicates that the proposed 5%. classification method of pulse discrimination can achieve good results.

【作者單位】： 東北大學(xué)計算機科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61101121) 遼寧省科學(xué)技術(shù)計劃項目(2015401039) 沈陽市科技專項項目(F15-199-1-03)
【分類號】：TP18;TP391.4
【正文快照】： 中醫(yī)脈象復(fù)雜多變且具有稀疏特性[1],脈象的智能識別是實現(xiàn)脈診客觀化的關(guān)鍵.計算機科學(xué)技術(shù)的發(fā)展為脈象的客觀化研究提供了新的思路[2].國內(nèi)外研究者對脈象信號的模式識別方法進行了探索,例如:Velik采用橈動脈脈搏波進行脈象劃分[3];Peng等通過電容傳感器陣列采集橈動脈脈搏

【相似文獻】

相關(guān)期刊論文 前10條

1 李枝;陳克龍;聞?wù)癯?;中醫(yī)脈象的波形識別[J];數(shù)理醫(yī)藥學(xué)雜志;1993年01期

2 藍蔭l，

本文編號：1391298