南京师范大学学报（工程技术版）
南京師範大學學報（工程技術版）
남경사범대학학보（공정기술판）
JOURNAL OF NANJING NORMAL UNIVERSITY(ENGINEERING AND TECHNOLOGY)
2013年
1期
68-73
,共6页
心音信号%身份识别%文化粒子群算法%最小二乘支持向量机%经验模式分解
心音信號%身份識彆%文化粒子群算法%最小二乘支持嚮量機%經驗模式分解
심음신호%신빈식별%문화입자군산법%최소이승지지향량궤%경험모식분해
提出一种基于文化粒子群算法和最小二乘支持向量机相结合的心音身份识别方法.针对粒子群算法后期收敛速度慢、易陷入局部最优解的缺陷,通过设置文化算法的群体空间和信念空间来加快群体收敛速度.利用经验模式分解将小波包去噪后的心音信号分解成若干个平稳的固有模态分量,然后通过提取主要包含第一、第二心音的固有模态分量,绘制其希尔伯特-黄变换瞬时频谱,计算频谱能量作为特征值,并输入到文化粒子群算法优化的最小二乘支持向量机识别模型中进行分类.测试结果为:当λ=28.86、σ=0.87时,CPSO-LSSVM识别模型对3个被测试者120例心音样本的平均识别率为97.7％,较遗传算法、粒子群算法更优,表明了心音身份识别是可行的.
提齣一種基于文化粒子群算法和最小二乘支持嚮量機相結閤的心音身份識彆方法.針對粒子群算法後期收斂速度慢、易陷入跼部最優解的缺陷,通過設置文化算法的群體空間和信唸空間來加快群體收斂速度.利用經驗模式分解將小波包去譟後的心音信號分解成若榦箇平穩的固有模態分量,然後通過提取主要包含第一、第二心音的固有模態分量,繪製其希爾伯特-黃變換瞬時頻譜,計算頻譜能量作為特徵值,併輸入到文化粒子群算法優化的最小二乘支持嚮量機識彆模型中進行分類.測試結果為:噹λ=28.86、σ=0.87時,CPSO-LSSVM識彆模型對3箇被測試者120例心音樣本的平均識彆率為97.7％,較遺傳算法、粒子群算法更優,錶明瞭心音身份識彆是可行的.
제출일충기우문화입자군산법화최소이승지지향량궤상결합적심음신빈식별방법.침대입자군산법후기수렴속도만、역함입국부최우해적결함,통과설치문화산법적군체공간화신념공간래가쾌군체수렴속도.이용경험모식분해장소파포거조후적심음신호분해성약간개평은적고유모태분량,연후통과제취주요포함제일、제이심음적고유모태분량,회제기희이백특-황변환순시빈보,계산빈보능량작위특정치,병수입도문화입자군산법우화적최소이승지지향량궤식별모형중진행분류.측시결과위:당λ=28.86、σ=0.87시,CPSO-LSSVM식별모형대3개피측시자120례심음양본적평균식별솔위97.7％,교유전산법、입자군산법경우,표명료심음신빈식별시가행적.
