中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2013年
5期
546-552
,共7页
病态嗓音%模糊熵%分层熵%支持向量机
病態嗓音%模糊熵%分層熵%支持嚮量機
병태상음%모호적%분층적%지지향량궤
pathological voice%fuzzy entropy%hierarchical entropy%support vector machine (SVM)
为了更好地分析实际短数据带噪的病态嗓音信号,利用近年来提出的样本熵、多尺度熵、模糊熵和分层熵的方法来提取嗓音的熵特征参数,并借鉴分层分解方法,提出分层多尺度熵和分层模糊熵,分别对测试集39例正常嗓音和36例病态嗓音进行支持向量机(SVM)识别.实验结果表明:三层分层熵、分层多尺度熵、分层模糊熵的识别率和稳定性均较分层前有提高.在耗时较短的情况下,提取2 000点病理嗓音数据的6种熵特征都能达到较好且较稳定的识别率.提取2 000点病理嗓音数据的三层分层模糊熵特征,能得到较好且较稳定的SVM识别率97.33％,较分层前的模糊熵特征识别率提高约4.00％.熵分析方法可推进病态嗓音研究向临床的应用,为临床分析诊断实时、短数据的带噪病理嗓音提供一定的参考.
為瞭更好地分析實際短數據帶譟的病態嗓音信號,利用近年來提齣的樣本熵、多呎度熵、模糊熵和分層熵的方法來提取嗓音的熵特徵參數,併藉鑒分層分解方法,提齣分層多呎度熵和分層模糊熵,分彆對測試集39例正常嗓音和36例病態嗓音進行支持嚮量機(SVM)識彆.實驗結果錶明:三層分層熵、分層多呎度熵、分層模糊熵的識彆率和穩定性均較分層前有提高.在耗時較短的情況下,提取2 000點病理嗓音數據的6種熵特徵都能達到較好且較穩定的識彆率.提取2 000點病理嗓音數據的三層分層模糊熵特徵,能得到較好且較穩定的SVM識彆率97.33％,較分層前的模糊熵特徵識彆率提高約4.00％.熵分析方法可推進病態嗓音研究嚮臨床的應用,為臨床分析診斷實時、短數據的帶譟病理嗓音提供一定的參攷.
위료경호지분석실제단수거대조적병태상음신호,이용근년래제출적양본적、다척도적、모호적화분층적적방법래제취상음적적특정삼수,병차감분층분해방법,제출분층다척도적화분층모호적,분별대측시집39례정상상음화36례병태상음진행지지향량궤(SVM)식별.실험결과표명:삼층분층적、분층다척도적、분층모호적적식별솔화은정성균교분층전유제고.재모시교단적정황하,제취2 000점병리상음수거적6충적특정도능체도교호차교은정적식별솔.제취2 000점병리상음수거적삼층분층모호적특정,능득도교호차교은정적SVM식별솔97.33％,교분층전적모호적특정식별솔제고약4.00％.적분석방법가추진병태상음연구향림상적응용,위림상분석진단실시、단수거적대조병리상음제공일정적삼고.
