中国组织工程研究与临床康复
中國組織工程研究與臨床康複
중국조직공정연구여림상강복
JOURNAL OF CLINICAL REHABILITATIVE TISSUE ENGINEERING RESEARCH
2011年
9期
1623-1626
,共4页
陆强%冯敏%马华%张西学
陸彊%馮敏%馬華%張西學
륙강%풍민%마화%장서학
步态分类%支持向量机%模糊C均值聚类%核函数%智能诊断技术
步態分類%支持嚮量機%模糊C均值聚類%覈函數%智能診斷技術
보태분류%지지향량궤%모호C균치취류%핵함수%지능진단기술
背景:对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案.如何有效地分类小样本步态数据成为重要的研究课题.目的:用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病.方法:建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base 40~59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模.数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类.采用不同核函数的支持向量机算法验证分类能力.结果与结论:实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定.
揹景:對于患有神經繫統或骨骼肌肉繫統疾病的患者,分析步態數據可以評定康複程度,製定治療方案.如何有效地分類小樣本步態數據成為重要的研究課題.目的:用改進的支持嚮量機算法對小樣本步態數據進行分類,準確診斷疾病.方法:建立加入模糊C均值聚類的支持嚮量機算法,選用Gait Dynamics in Neuro-Degenerative Disease Data Base 40~59歲年齡段的6組數據,共720箇樣本數據,採用左襬間隔和左支撐間隔兩維參數對步態數據建模.數據歸一化後,通過模糊C均值聚類對數據進行預處理;然後用支持嚮量機對數據進行分類.採用不同覈函數的支持嚮量機算法驗證分類能力.結果與結論:實驗結果錶明,利用改進的支持嚮量機算法,可以有效地對信號進行分類,有助于疾病的診斷和治療方案的製定.
배경:대우환유신경계통혹골격기육계통질병적환자,분석보태수거가이평정강복정도,제정치료방안.여하유효지분류소양본보태수거성위중요적연구과제.목적:용개진적지지향량궤산법대소양본보태수거진행분류,준학진단질병.방법:건립가입모호C균치취류적지지향량궤산법,선용Gait Dynamics in Neuro-Degenerative Disease Data Base 40~59세년령단적6조수거,공720개양본수거,채용좌파간격화좌지탱간격량유삼수대보태수거건모.수거귀일화후,통과모호C균치취류대수거진행예처리;연후용지지향량궤대수거진행분류.채용불동핵함수적지지향량궤산법험증분류능력.결과여결론:실험결과표명,이용개진적지지향량궤산법,가이유효지대신호진행분류,유조우질병적진단화치료방안적제정.