模糊聚类支持向量机在步态分类中的应用

摘要：

背景:对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案.如何有效地分类小样本步态数据成为重要的研究课题.目的:用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病.方法:建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base 40～59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模.数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类.采用不同核函数的支持向量机算法验证分类能力.结果与结论:实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定.

关键词：步态分类、支持向量机、模糊C均值聚类、核函数、智能诊断技术

所属期刊栏目：15

分类号：R318(医用一般科学)

在线出版日期：2011-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1623-1626