基于最小分类误差准则的呼吸音分类技术

从大量呼吸音样本中归纳综合出肺部病理特征的科学表示,实现自动化、定量化的呼吸音分类,是现代医疗信息化技术的重要研究内容之一.提出了一种基于最小分类误差(minimum classification error,MCE)准则的呼吸音分类方法,建立呼吸音类别的分类误差损失函数,采用广义概率下降法(generalized probabilistic decent,GPD)估计得到呼吸音的隐马尔科夫模型(hidden Markov model,HMM)参数,以增强不同类型呼吸音模型的区分能力.实验结果表明,与传统的最大似然(maximum likelihood,ML)法相比,基于MCE准则求解的HMM模型,具有更好的分类效果,提高了识别准确率,客观证明了基于MCE准则的呼吸音分类技术的有效性.