脉象分类识别的小波核极限学习机方法

摘要：

为解决人工脉象诊断缺乏量化标准以及传统神经网络脉象识别率低的问题,提出将核极限学习机(KELM)应用于脉象分类中,采用morlet小波函数作为极限学习机的核函数,通过粒子群算法优化参数选取,快速准确地解决脉象的分类问题.在孕妇脉象分类数据上进行实验,实验结果表明,小波核极限学习机对脉象数据的分类准确率可达90.3％,超出传统的BP神经网络、SVM等分类算法,具有一定临床价值.

关键词：极限学习机、小波函数、核方法、中医脉象、时域分析法

所属期刊栏目：40

分类号：TP183(自动化基础理论)

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1472-1476