基于SVM和Adaboost的多分类算法研究

发布时间：2021-05-14 10:20

　　生活节奏的加快使得人们的睡眠健康和情绪处理出现了诸多问题,因此,睡眠分期和情感识别成为了当今科研工作者关注的热点之一。睡眠分期和情感识别可以作为辅助手段,为失眠、抑郁症、焦虑不安等精神疾病的诊断提供可靠地参考意见。大量的研究表明现有算法存在以下不足:1)经典分类算法多以二分类为主,当进行多类问题的研究时,需要进行多次二分类处理,时间复杂度高;2)经典分类算法分类准确率相对偏低,无法满足睡眠分期和情感识别等研究所要求的分类准确率;3)常见的经典算法大多只能解决二分类的问题,算法结构也需要改进。针对上述问题,论文设计并提出了两种多分类算法用于睡眠分期和情感识别的研究,解决了传统算法不能直接应用于多分类研究的问题。论文对算法的结构进行改进,使得算法的复杂度降低,同时提高了算法的分类准确率,在睡眠分期和情感识别的研究中取得了不错的成果。论文主要研究内容如下:（1）论文将决策树和最小二乘支持向量机（LSSVM）算法进行结合,提出了一种基于决策树和最小二乘支持向量机算法（DLSVM）。用LSSVM代替决策树中的叶子结点,可直接应用于多类问题的研究。DLSVM算法有以下优势:一方面可以减少干扰因素,... 

【文章来源】：山东师范大学山东省

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究内容及组织
        1.2.1 论文研究内容
        1.2.2 论文创新点
        1.2.3 论文组织结构
第二章 睡眠分期和情感识别方法研究现状
    2.1 睡眠自动分期方法
        2.1.1 睡眠与脑电节律波
        2.1.2 睡眠分期流程
        2.1.3 小波变换
        2.1.4 主成分分析(PCA)算法
        2.1.5 研究现状
    2.2 情感识别方法
        2.2.1 情感识别简介
        2.2.2 情感识别模型
        2.2.3 研究现状
    2.3 评价指标
    2.4 数据集
        2.4.1 睡眠分期数据集
        2.4.2 情感识别数据集
    2.5 本章小结
第三章 基于决策树和最小二乘支持向量机算法及应用
    3.1 决策树
    3.2 最小二乘支持向量机算法
    3.3 基于决策树和最小二乘支持向量机算法
    3.4 DLSVM算法应用与结果分析
        3.4.1 睡眠自动分期实验结果与分析
        3.4.2 情感识别实验结果与分析
    3.5 本章小结
第四章 基于分层结构与Adaboost多分类算法及应用
    4.1 Adaboost分类算法
        4.1.1 Adaboost算法原理
        4.1.2 Adaboost算法性能分析
    4.2 基于分层结构与Adaboost的多分类算法
    4.3 HAdaboost算法应用与结果分析
        4.3.1 睡眠自动分期实验结果与分析
        4.3.2 情感识别实验结果与分析
    4.4 几种算法的比较
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的主要成果
致谢


【参考文献】：
期刊论文
[1]基于优化的LSTSVM的多模态生理信号情感识别[J]. 金纯,陈光勇.  电子技术应用. 2018(03)
[2]一种改进脑电特征提取算法及其在情感识别中的应用[J]. 李昕,蔡二娟,田彦秀,孙小棋,范梦頔.  生物医学工程学杂志. 2017(04)
[3]基于脑电情绪识别的研究现状[J]. 张本禹,蒋惠萍,董林杉.  中央民族大学学报(自然科学版). 2017(03)
[4]基于EMD和SVM的抑郁症静息态脑电信号分类研究[J]. 刘岩,李幼军,陈萌.  山东大学学报(工学版). 2017(03)
[5]基于决策树和改进SVM混合模型的语音情感识别[J]. 赵涓涓,马瑞良,张小龙.  北京理工大学学报. 2017(04)
[6]基于双向递归神经网络的单通道脑电图睡眠分期研究[J]. 杨鑫,吴之南,钱松荣.  微型电脑应用. 2017(01)
[7]计算机辅助诊断在医学影像诊断中的基本原理和应用进展[J]. 高歌,马帅,王霄英.  放射学实践. 2016(12)
[8]基于脑电信号特征提取的睡眠分期方法研究[J]. 李斐,马千里.  计算机技术与发展. 2017(01)
[9]基于改进的K均值聚类算法的睡眠自动分期研究[J]. 肖姝源,王蓓,张见,张群峰,邹俊忠.  生物医学工程学杂志. 2016(05)
[10]基于多级SVM分类的语音情感识别算法[J]. 任浩,叶亮,李月,沙学军.  计算机应用研究. 2017(06)

硕士论文
[1]基于EEG的睡眠分期与睡眠评估方法研究[D]. 高群霞.华南理工大学 2015
[2]基于脑电信号样本熵的情感识别[D]. 李立.太原理工大学 2014



本文编号：3185475