计算机科学
計算機科學
계산궤과학
Computer Science
2015年
10期
25-30
,共6页
赵海%李大舟%陈星池%李思楠
趙海%李大舟%陳星池%李思楠
조해%리대주%진성지%리사남
可穿戴计算%光电容积脉搏波%窦性心律过缓检测%支持向量机
可穿戴計算%光電容積脈搏波%竇性心律過緩檢測%支持嚮量機
가천대계산%광전용적맥박파%두성심률과완검측%지지향량궤
Wearable computing%Photoplethysmography%Sinus bradycardia detection%Support vectors machine
随着可穿戴技术的快速发展,可穿戴产品中对人体生理信号分析的需求日益强烈.光电容积脉搏波技术作为一种能够体现人体心血管健康状态的重要生理信号已经开始应用到医疗、老人监护和健康监测的众多可穿戴产品之中.采用支持向量机(SVM)的分类算法,设计了一个基于光电容积脉搏波的人体窦性心率过缓检测系统.通过对光电容积脉搏波数据的采集、存储以及特征向量的提取,并利用支持向量机的分类算法,提出了一个判别用户当前心率状态是否处于窦性心率过缓的检测方法.通过实验测试,确定了分类器的最佳设置参数为C=38,g=7,此时分类准确率达94.44％,测试集验证的正确判决率达94.18％.该技术为基于光电容积脉搏波的可穿戴计算产品提供了一种新的应用领域.
隨著可穿戴技術的快速髮展,可穿戴產品中對人體生理信號分析的需求日益彊烈.光電容積脈搏波技術作為一種能夠體現人體心血管健康狀態的重要生理信號已經開始應用到醫療、老人鑑護和健康鑑測的衆多可穿戴產品之中.採用支持嚮量機(SVM)的分類算法,設計瞭一箇基于光電容積脈搏波的人體竇性心率過緩檢測繫統.通過對光電容積脈搏波數據的採集、存儲以及特徵嚮量的提取,併利用支持嚮量機的分類算法,提齣瞭一箇判彆用戶噹前心率狀態是否處于竇性心率過緩的檢測方法.通過實驗測試,確定瞭分類器的最佳設置參數為C=38,g=7,此時分類準確率達94.44％,測試集驗證的正確判決率達94.18％.該技術為基于光電容積脈搏波的可穿戴計算產品提供瞭一種新的應用領域.
수착가천대기술적쾌속발전,가천대산품중대인체생리신호분석적수구일익강렬.광전용적맥박파기술작위일충능구체현인체심혈관건강상태적중요생리신호이경개시응용도의료、노인감호화건강감측적음다가천대산품지중.채용지지향량궤(SVM)적분류산법,설계료일개기우광전용적맥박파적인체두성심솔과완검측계통.통과대광전용적맥박파수거적채집、존저이급특정향량적제취,병이용지지향량궤적분류산법,제출료일개판별용호당전심솔상태시부처우두성심솔과완적검측방법.통과실험측시,학정료분류기적최가설치삼수위C=38,g=7,차시분류준학솔체94.44％,측시집험증적정학판결솔체94.18％.해기술위기우광전용적맥박파적가천대계산산품제공료일충신적응용영역.
