基于PCANet的脉搏信号亚健康检测

摘要：

目前亚健康状态识别中脉搏信号特征提取困难,且多依赖于手工提取特征而影响识别率.针对这一问题,本文提出了一种基于主成分分析网络(Principal Component Analysis Network,PCANet)的脉搏信号亚健康检测新方法.首先对预处理的脉搏信号进行特征提取;其次将这些特征进行哈希编码,直方图分块,作为特征描述;然后使用分类器将健康和亚健康的两类脉搏信号进行分类识别,并与传统特征提取方法的分类效果进行比较.实验结果表明本文方法对亚健康状态识别达到了较高的准确率,相比传统的特征提取方法,PCANet方法在识别率上提高了10％以上,因此,本文所提出的方法能够有效地区分健康与亚健康状态,为亚健康状态的检测提供了一种新的参考依据.

关键词：深度学习、主成分分析网络、脉搏信号、亚健康

所属期刊栏目：30

分类号：TN911.7

资助基金：国家自然科学基金;陕西省自然科学基础研究计划

在线出版日期：2019-05-20（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：333-338