基于正态逆高斯和特征贡献度的睡眠分期实验研究

摘要：

针对自动睡眠分期任务,提出了一种基于正态逆高斯和特征贡献度的睡眠分期实验框架.提取睡眠脑电信号特征,并对信号进行可调Q因子小波分解(TQWT),针对TQWT子带提取正态逆高斯参数特征;基于SVM模型实现特征贡献度排序与筛选,针对高贡献度特征,比较多种分类器的分期结果并设计多分类器组合自动睡眠分期算法.采用PhysioBank的Sleep-EDF数据集进行验证,取得了89.88％的平均睡眠分期准确率,相较于单一分类器的分期准确率有较大提升,对睡眠障碍的临床诊断与研究具有较大价值.

关键词：睡眠分期、正态逆高斯、特征贡献度、多分类器组合

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目81473579,81273654;北京理工大学基础研究基金资助项目20140642006

在线出版日期：2019-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：833-838