• 1. 重庆大学 微电子与通信工程学院(重庆 400044);
  • 2. 重庆大学 脑科学协同创新中心(重庆 400044);
  • 3. 第三军医大学西南医院 神经内科(重庆 400038);
  • 4. 重庆医科大学附属第一医院 神经内科(重庆 400016);
导出 下载 收藏 扫码 引用

基于语音数据挖掘实现帕金森病诊断的方法近年来已被证明有效。然而,受数据采集对象患病程度以及采集设备和环境等因素影响,所获取数据集的样本空间中存在不同类别样本混叠现象。混叠区域的样本难以有效识别,严重影响了算法的分类准确度。为了解决这一问题,本文提出了分包融合集成算法,通过设计类心距离比值来衡量样本的混叠程度并将训练集划分成多个子集,再利用错误分类样本传递式训练的方法调整子集划分结果,最后通过优化子分类权重对各个子分类器的测试结果进行加权融合。实验结果表明,本文方法分类准确度在两个公共数据集上都得到明显提高,平均准确度最大提高可达25.44%。该方法不仅有效提高了帕金森病语音数据集分类准确度,还增加了样本利用率,为帕金森病语音诊断提供了一种新思路。

引用本文: 李勇明, 张成, 王品, 谢廷杰, 曾孝平, 张艳玲, 承欧梅, 颜芳. 面向帕金森病语音数据挖掘的分包融合集成算法. 生物医学工程学杂志, 2019, 36(4): 548-556. doi: 10.7507/1001-5515.201803061 复制

  • 上一篇

    基于立体定向脑电图的颞叶致痫网络独立有效相干分析
  • 下一篇

    模板优选结合非线性模板匹配多普勒胎心率提取方法