一种新型睡眠分期改进算法研究_第1页
一种新型睡眠分期改进算法研究_第2页
一种新型睡眠分期改进算法研究_第3页
一种新型睡眠分期改进算法研究_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

新型睡眠分期改进算法研究之一，对于睡眠质量和睡眠相关疾具有重要的意义。本论文基于传统的睡眠分期算法，提出了一睡眠分期改进算法。该算法主要的改进包括两方面，一是改变分期中对于脑电信号特征的提取方法，使用频域特征与时域特征相结合的方法提高信号的准确性；二是通过引入深度神经网络的方法，号的时序特征进行学习和分类。实验结果表明，该算法相比传准确性、波形分类和时间效率等方面均有较大提升，具有很好分期；脑电信号；深度神经网络；改进算法；应用前比例，对于身体的健康以及日常生质量都具有重要的影响。睡眠质量的好坏直接关系到人们的健康和要内容。传统的睡眠分期算法主要于脑电信号的特征，将睡眠分为快速眼动期(REM)和非快速眼动期REMNREM。期算法的精度和效率，众多研究者进行了大。本文运用深度神经网络技术改进了传统的睡眠分期算法，引特征和时域特征相结合的方法与深度神经网络的技术，对脑电特征提取与分类。改进后的算法在准确性、波形分类和时间效统算法及其存在的问题眠分期算法主要是基于脑电信号进行分析。脑电信号是表动的一种生物电活动，根据不同的频率带和振幅特征，可以对声和其他无用的信号成分，使信号是睡眠分期的核心环节。在分析之前，需要对信号进行特根据特征进行分类。常用的特征包括频域特征和时域特征。根进行分析后，需要进行结果判定。判定结果需要考虑到前号变化、噪声等因素的影响，同时还需要进行相关统计和综合分统的睡眠分期算法已经有了相当的理论基础，但是其存在一中，特征提取的方法主要是依据人工经验设计的，经常受采用的分类器多为线性分类器，在复杂信号的分析上分类法中，睡眠信号的分析过程中需要大量的人工干预，分析人群的适应性较差的人或不同的睡眠状态，脑电信号的特性存在较大的差异，传人工主观性影响，提高特征提取准确性，我一种新型的特征提取方法。该方法将频域特征和时域特征相结，我们采用滑动窗口法对信号进行分段，提取每一小段的差、偏度、峭度等指标。在频域，使用快速傅里叶变换(FFT)将号转换为时频域信号，通过提取不同频段的振幅、相位等特征术能够对信号进行端到端的学习和分类，可以更好的解中分类器效果不佳的问题。因此，我们在改进算法中引入了程中，我们使用大量的脑电数据集，构建多层的深度神经的反复训练，可以使提取方法和深度学习技术的引入，我们得到了一种新型的实验过程中，我们对传统算法和改进算法的分析时间进行了对比。，改进算法中引入的深度学习技术可以明显的提升分期时间效算法需要半小时以上的时间才能分析一整晚的睡眠数据，而改统算法的分期结果与人工标注结果对比，发现传统算法误判率上。与此相比，改进算法对睡眠分期的特征和时域特征相结合的方法可以提供更多以便分类器更好的分类处理，因此能够明显改善误判问题。通过果的分析，我们发现改进算法的波形分类效率更高，同时分类器展望一种新型的睡眠分期改进算法，通过引入深度学习技术特征提取方法，提高了睡眠分期的准确性、波形分类和时间效。在标准数据集上进行的实验验证表明，改

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论