脉象分类识别的小波核极限学习机方法
作者：王杰; 李自豪
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。
分类：
- 期刊
- >
- 自然科学与工程技术
- >
- 信息科技
- >
- 电子信息科学综合
收录：
- 国家图书馆馆藏
- 维普收录(中)
- 上海图书馆馆藏
- 北大期刊(中国人文社会科学期刊)
- 知网收录(中)
- 万方收录(中)
- 统计源期刊(中国科技论文优秀期刊)
- JST 日本科学技术振兴机构数据库(日)
- 哥白尼索引(波兰)
- SA 科学文摘(英)
- Pж(AJ) 文摘杂志(俄)
关键词：
- 极限学习机
- 小波函数
- 核方法
- 中医脉象
- 时域分析法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
