摘要
针对几种常见的脉象运用统计学习理论和方法进行了识别分类的研究。在特征提取方面本文采用了多种不同的信号分析方法,研究了脉象的特征提取,主要分析途径是,时域波形特征提取,频域与倒频域分析,小波域分析,基于AR模型的脉象信号建模以及波形的模板匹配研究。另一方面,研究了几种分类器,作为脉象识别的分类器。通过实验对不同特征的有效性和不同分类器的性能进行了对比。实验结果表明,模板匹配方法和时域特征提取方法较好。
In this paper, several methods of character analysis and classification for pulse condition are studied with the use of statistics theory. Five methods are applied to character abstraction. Pulse condition is analyzed in time, frequency and wavelet domain. The abstraction methods include wavelet analysis, AR modeling, and template match. On the other hand, four classification methods are used, namely BP, RBF, CGA and FMMNN.
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2006年第3期505-508,共4页
Journal of Biomedical Engineering
基金
国家自然科学基金资助项目(69701002)
2001年中国博士后科学基金资助
关键词
脉象
特征提取
模式识别
Pulse-condition signal Character abstraction Pattern recognition
