基于SVM方法的神经网络呼吸音识别算法

作     者：刘国栋 许静 LIU Gou-dong;XU Jing

作者机构：南开大学计算机与控制工程学院天津300071 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2014年第35卷第10期

页      面：218-222页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：支持向量机 呼吸音 小波分析 神经网络 身体局域网 

摘      要：提出了一种神经网络的SVM(支持向量机)呼吸音识别算法,将通过小波分析得到的呼吸音特征输入神经网络,作为SVM方法的特征输入,对训练样本进行训练,再对测试样本进行分类识别。对于呼吸音反映的3种状态(正常、轻度病变和重度病变)进行了识别,同时与K最近邻(KNN)方法进行比较。实验结果表明,SVM方法具有较高的识别精度,能够对呼吸音状态进行识别,同时在此领域也验证了在神经网络方法中无法避免的局部极值问题。提示基于SVM方法的神经网络呼吸音识别算法有较好的精度,可为身体局域网技术提供信息处理的有效算法。