基于人脸视频信息的脉象分析

目的:尝试通过摄像头采集人脸视频信息,实现对脉象的分析.方法:在自然光照条件下通过普通摄像头采集人脸视频,根据光电容积脉搏波描记法(PPG),对人脸区域通过独立成分分析(ICA)以及RGB通道分离方法处理后,找到与人体脉搏波最为接近的一组分量作为PPG脉博波信号.结果:本实验方法与临床把脉有较高吻合度,准确率为83.8%.结论:通过对PPG脉搏波信号的进一步分析,提出了基于PPG脉搏波信号获取人体脉象信息的方法.     

基于潜在空间特征的无袖带血压估计方法

针对目前基于光电容积脉搏波(photoplethysmography, PPG)的血压(blood pressure, BP)估计模型的不足,文章提出一种基于潜在空间特征的BP估计方法。该方法充分挖掘PPG中与BP相关的特征,利用梯度增强回归树(gradient boosting regression tree, GBRT)提取单周期PPG信号及其一阶和二阶导数的高阶交叉特征,并利用卷积神经网络(convolutional neural networks, CNN)提取PPG信号的时频图中的深层特征;随后将提取的特征输入支持向量回归器(support vector regression, SVR)构建BP估计模型。在UCI-BP数据库的12 000个样本上进行了模型评估,实验结果表明所提出的方法优于最新的BP估计方法。     

一种连续无创血压监测头带的研究

目前大多数无创血压测量采用的是袖带示波测量法,仪器携带不方便;通过气泵对袖带进行充放气,测量周期长,不能够对人体血压进行连续地测量,考虑研制穿戴式血压测量头带,对人体血压进行无创连续测量.采用高分辨率心电采集芯片ADS1292R采集头部微弱心电信号(electrocardiogram,ECG),同时使用反射式光电传感器在眉骨处采集时间上严格同步的光电容积脉搏波信号(photoplethysmography,PPG).分别定位ECG和PPG的特征点,计算PPG信号传播延迟(pulse wave transit time,PWTT),并和同一时刻血压值进行相关性分析以及回归分析,建立血压测量模型,即可根据PWTT求得血压.对试验者进行实验表明,采用该便携式无创血压检测装置与传统无创血压测量法对比,误差维持在5％以内.该检测头带信号采集均在头部完成,穿戴方便,功耗低,舒适性强,是一种可行的便携无创连续血压监测装置;同时可将检测结果通过蓝牙实时传至用户手机或PDA装置显示并存储,完成长时间动态血压监护.     

基于修正加速度的对数归一化变步长自适应滤波的心率估计算法

针对运动过程的光电容积脉搏波(photoplethysmography,PPG)信号易受到运动伪影的干扰,使得心率测量困难的问题,提出了一种基于修正加速度的对数归一化变步长自适应滤波(log-normalized least mean square,Log-NLMS)算法.该算法利用角速度对加速度进行卡尔曼滤波修正,去除重力分量.然后将修正后的加速度作为对数归一变步长自适应滤波的参考信号,滤除PPG信号中的运动伪影,最后利用谱峰追踪估计心率.结果表明:该算法估计心率的平均绝对误差较传统算法平均降低了1.4次/min,平均相对误差降低了1.55％,可见本文算法能够有效地去除运动伪影的干扰,获得更为准确的心率.     

基于光电容积脉搏波的心血管多参数检测系统

为了实现人体心血管多参数检测,设计了一种基于光电容积脉搏波描记法(photoplethysmography,PPG)的心血管多参数检测系统.该系统采用S5PV210处理器为控制核心,设计了指端脉搏波采集及滤波电路,提取指端脉搏波信号特征,测量人体心率、血氧饱和度、血压值.结果 表明:与标准仪器对比,心率测量最大误差为5次/min;血氧饱和度测量最大误差为2％;血压测量满足ANSL/AA-MI国际电子血压仪标准.     

基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

基于脑电α波的非线性参数人体疲劳状态判定

提取脑电信号(EEG)的α波并计算其三种非线性参数,在此基础上归纳出用于评估人体疲劳状态的综合判据.首先,在小波变换的基础上,从原始信号中提取EEG的α波,然后计算其最大李亚普诺夫指数、复杂度和近似熵.这些非线性参数的数值可以定量地反映人的生理活动,进而可以用于评价疲劳状态.对现有EEG数据进行计算和统计,归纳出建立在上述三种非线性参数基础上的疲劳状态的综合评估判据.针对18组已知数据,采用上述综合判据得到相应的不同状态的判定结果.与实际情况相对照,对疲劳和非疲劳状态的评估准确率接近100%,但对轻微、中等和严重疲劳状态之间的区分精度稍低一些.     

结合长短期记忆网络与Unet模型的心率估计方法

基于光电容积脉搏波(photoplethysmography, PPG)的心率(heart rate, HR)估计已被广泛应用于可穿戴设备。然而由于用户的身体活动引起的运动伪影,难以从受污染的PPG中获得准确的心率估计。为应对这一难题,提出了一种称为LU＿PPG的心率估计方法,该方法基于回归的思想,首先利用2015 IEEE spc数据集训练和测试LSTM＿Unet神经网络模型,然后经网络输出类PPG信号(含心率信息),最后基于频谱分析来估计最终的心率。实验结果表明,LU＿PPG方法在该数据集上得到的心率估计平均误差为2.27次/min,为心率检测提供了新思路和途径。     

脉搏波的复杂网络分析

脉搏波是人体重要的生理信号之一,从新的角度探索脉搏波的分析手段是脉搏波研究的一个重要方向.在分析现有脉搏波时域、频域分析方法的基础上,将复杂网络的分析方法引入脉搏波的分析之中,以拓展脉搏波的研究维度.分析了时间序列的网络化方法的现状,选择使用基于水平可见性(horizontal visibility graphs,HVG)的网络化方法对脉搏波进行网络化分析.获得使用脉搏波构建的网络的特性参数,确定了脉搏波网络的无标度特性,并从生理状态的角度进行了解释,为脉搏波的研究提供了一种新的手段.     

基于小波变换滤波算法的便携心电测试仪设计

针对在应用光电传感器检测人体脉搏信号时存在工频干扰和基线漂移的问题,提出使用自适应相干模板算法和小波变换算法,分别对工频干扰信号和基线漂移进行滤除,避免了单纯使用硬件滤波电路时的抗干扰能力差、不稳定、波形容易失真等问题,有效的保留了脉搏波信号中的生理病理信息.通过对微弱的脉搏信号进行提取、记录以及对SER值的分析,快速准确的得出人脉搏波的频率、幅值,客观的得出人体健康状况.     

基于非线性拟合方程的多变量决策树算法

根据数据属性间存在的线性相关和非线性相关影响决策树性能的特点,提出了一种用拟合回归建立决策树的算法,并利用这种相关性来提高分类能力.该算法选择了一个较优的属性子集,对此子集中的属性进行加权组合,用于构造决策树的节点,采用二次多项式来拟合两个属性间可能存在的相关性,从而构造出分类能力更强的决策树.研究中用UCI标准数据集对各种算法进行测试及比较,实验结果及分析表明此决策树算法具有良好性能.     

基于分类精度和相关性的随机森林算法改进研究

为了提升传统随机森林算法的分类精度,本文首先对传统随机森林模型中的决策树根据分类性能评价指标AUC值进行降序排列,从中选取出AUC值高的决策树,计算这些决策树之间的相似度并生成相似度矩阵,然后根据相似度矩阵对这些决策树进行聚类,从每一类中选出一棵AUC最大的决策树组成新的随机森林模型,从而达到提升传统随机森林算法分类精度的目的。通过UCI数据集的实验表明,改进后的随机森林算法分类精度上最大提高了2.91%。     

从RBF核函数中抽取关联分类规则

目的为解决SVM分类器的分类模式难以为人类专家所理解等问题而提出一种有关InterRBF算法的新思路。方法通过将RBF核函数将其展开成麦克劳林级数,并从展开式中挖掘对分类分析起重要作用的关联规则,从而在SVM的分类模式中学习出关联规则分类器。结果改进后的SVM分类器具有较好的分类准确度;改变了当前研究从SVM的分类模式中抽取规则的方法仅限于IF-TEHN规则或者学习出决策树的状况。结论从RBF核函数抽取关联分类规则,对于在难以理解的知识中提取可理解的表达规则是可行的方法。     

基于树模型的差分隐私保护算法

目前面向分类的差分隐私保护算法中,大部分都是基于决策树或者随机森林等树模型。若数据集中同时存在连续数据和离散数据时,算法往往会选择调用2次指数机制,并且进行隐私预算分配时往往选择平均分配。这都使得隐私预算过小、噪声过大、时间成本增加以及分类准确性降低。如何在保证数据隐私的同时尽可能地保证数据可用性,并提高算法性能,成为目前差分隐私保护技术研究的重点。提出了面向决策树和随机森林的差分隐私保护数据挖掘算法,使用Laplace机制来处理离散型特征,使用指数机制处理连续型特征,选择最佳分裂特征和分裂点,并采用最优特征选择策略和等差预算分配加噪策略。对金融数据集的测试结果表明,提出的2种基于树模型的差分隐私保护算法都能在保护数据隐私的同时,具有较高的分类准确性,并且能够充分利用隐私保护预算,节省了时间成本。     

基于粗糙集决策树优化研究

决策树分类方法是一种有效的数据挖掘分类方法.单变量决策树结构简单,但规模较大.多变量决策树是为了进一步缩减树的规模而提出的决策树结构,通过选取属性的合理组合作为分裂属性,可使树的规模相对较小.文章在对以往所提出的混合变量决策树算法RSH2的抗噪性差和属性被多次选取等问题进行改进的基础上,提出了基于粗糙集的多变量决策树算法VPMDT.通过与ID3、HACRs、RSH2和C4.5等算法进行的实验比较表明,VPMDT有较好的时空性能,并保持较高的分类预测正确率.     

一种可用于分类型属性数据的多变量决策树算法

针对绝大部分多变量决策树只能联合数值型属性,而不能直接为带有分类型属性数据集进行分类的问题,提出一种可联合多种类型属性的多变量决策树算法(CMDT).该算法通过统计各个分类型属性的属性值在各个类别或各个簇中的频率分布,来定义样本集合在分类型属性上的中心,以及样本到中心的距离.然后,使用加权k-means算法划分决策树中的非终端结点.使用这种结点划分方法构建的决策树可用于数值型数据、分类型数据以及混合型数据.实验结果表明,该算法建立的分类模型在各种类型的数据集上均获得比经典决策树算法更好的泛化正确率和更简洁的树结构.     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

基于随机森林结合地球物理测井资料的煤体结构识别方法及应用

在更加复杂的地质因素影响下,常规测井方法识别煤体结构准确度低,为精确识别煤体结构,研究了煤体结构测井曲线响应机理以及随机森林决策树个数的优选,从而建立煤体结构与测井曲线的随机森林分类模型进行煤体结构识别。结果表明:决策树个数为500时,随机森林分类模型效果最佳;通过袋外误差和模型对测试集样本的预测结果可知,随机森林分类模型的结果稳定且泛化性强,并且适合处理非均衡数据,预测精度较高。可见随机森林算法能有效识别煤体结构,为煤层气开发提供帮助。     

一种基于粒子群算法的多重决策树分类器融合方法

针对数据挖掘中的分类问题,根据多分类器融合的思想,提出一种基于粒子群优化算法的多重决策树分类器融合方法。先将概率度量水平的多重决策树进行线性组合,然后在融合算法中采用粒子群算法优化连接权值矩阵。并在UCI标准数据集上对模型进行了实验研究。结果表明该融合分类方法比单个决策树分类方法具有更高的分类精度。     

决策树算法的研究与改进

决策树是数据挖掘中重要的分类方法，本文在研究和比较几种经典的决策树算法基础上，提出了一种改进的决策树算法：基于度量的决策树（MBDT）．这种决策树实际上是把线性分类器和决策树结合在一起．实验证明，用该方法构造的决策树能有效地减少决策树的层数，从而提高决策树的分类效率．通过MBDT分类实验，验证了上面结论的正确性和有效性．