基于支持向量回归的人体血压预测方法

发布时间：2018-01-17 17:40

  本文关键词：基于支持向量回归的人体血压预测方法　出处：《燕山大学学报》2017年05期 　论文类型：期刊论文

  更多相关文章： 生理指标数据 支持向量回归算法 血压预测

【摘要】：针对当前基于机器学习的血压测量方法的准确率低下等问题,本文提出了一种基于支持向量回归的高效便捷的血压预测方法。算法首先分析人体生理指标数据与血压之间隐含的关系,建立血压预测模型,然后将算法结果与三个经典机器学习算法(线性回归、神经网络、岭回归)结果进行对比,利用两种评价指标(准确率、均方根误差)对它们进行评估,实验结果表明支持向量回归算法能准确高效地预测血压且优于其它算法模型。
[Abstract]:In view of the current based on the accuracy problem of low blood pressure measurement methods of machine learning, this paper proposes a prediction method based on support vector regression algorithm is efficient and convenient. First, analysis of the relationship between blood pressure and blood pressure data implied between physiological indexes of human body blood pressure, establish forecasting model, and then the algorithm results with three classical machine learning algorithm (linear regression, neural network, ridge regression) were compared using two indexes (accuracy, root mean square error) to their assessment, the experimental results show that the support vector regression algorithm can accurately and effectively predict the blood pressure and is superior to other algorithm.

【作者单位】： 秦皇岛港股份有限公司;黑龙江大学建筑工程学院;中国人民解放军白求恩国际和平医院;燕山大学信息科学与工程学院;
【基金】：国家自然科学基金资助项目(61572420)
【分类号】：R443.5;TP181
【正文快照】： 0引言血压是反映心血管系统状态的重要生理参数,对其进行监测在临床工作中变得越来越重要。监测血压有利于尽早发现和鉴别各类血压病症,以便及时治疗和预防。因此准确快速地进行血压测量对医疗健康的发展有着重要的意义。随着智能设备在医疗领域中的应用受到越来越多的关注[1]，

本文编号：1437313