10.16182/j.issn1004731x.joss.19-0154
一种连续无创血压预测的改进向量机学习方法
因不同人体生理特征的差异性,影响了基于光电容积脉搏波(PPG)和心电信号(ECG)的连续无创血压测量精度,提出一种基于优化的支持向量机模型预测血压的方法.该方法将PPG、ECG及人体特征进行处理并组成特征矩阵,通过水银血压计测得实时血压值,运用主成分分析法和遗传算法改进的支持向量机学习模型对特征矩阵和实时血压值进行回归训练,从而建立最优血压预测模型.实验证明,优化改进支持向量回归血压预测方法比传统支持向量机学习法准确提升了10% ~15%.
支持向量回归模型、遗传算法、人体特征、血压预测
32
TP274(自动化技术及设备)
国家自然科学基金61801239
2020-10-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
1686-1692