基于极限学习机的中医脉象识别方法

发布时间：2018-01-07 06:08

本文关键词：基于极限学习机的中医脉象识别方法　出处：《东北大学学报(自然科学版)》2017年09期 　论文类型：期刊论文

【摘要】：针对中医脉象模糊性强、种类繁多、特征复杂的特点,以及传统模糊聚类方法、BP神经网络识别方法的不足,提出了一种基于极限学习机(extreme learning machine,ELM)的脉象识别方法.该方法通过提取脉象信号的特征向量,然后利用ELM对特征向量进行了训练和分类.实验结果表明,本文所提出的脉象识别方法与传统模糊聚类方法、BP神经网络方法和支持向量机方法相比,识别正确率分别提高21%,9%和5%.这表明所提出的方法对脉象的分类判别能取得良好的效果.
[Abstract]:According to the pulse fuzzy strong, variety, characteristic of complex, and the traditional fuzzy clustering method, BP neural network recognition method, put forward a kind of based on the extreme learning machine (extreme learning machine, ELM) of the pulse recognition method. The method provided by the feature vector from the pulse signals, and then use ELM to the feature vector for training and classification. The experimental results show that the pulse recognition method proposed in this paper and the traditional fuzzy clustering method, BP neural network and support vector machine method, the correct recognition rate increased by 21% and 9% respectively, which indicates that the proposed 5%. classification method of pulse discrimination can achieve good results.

【作者单位】：东北大学计算机科学与工程学院;
【基金】：国家自然科学基金资助项目(61101121) 辽宁省科学技术计划项目(2015401039) 沈阳市科技专项项目(F15-199-1-03)
【分类号】：TP18;TP391.4
【正文快照】： 中医脉象复杂多变且具有稀疏特性[1],脉象的智能识别是实现脉诊客观化的关键.计算机科学技术的发展为脉象的客观化研究提供了新的思路[2].国内外研究者对脉象信号的模式识别方法进行了探索,例如:Velik采用桡动脉脉搏波进行脉象划分[3];Peng等通过电容传感器阵列采集桡动脉脉搏

【相似文献】