典型文献
面向呼吸腰带数据的病症正常异常分类
文献摘要：
人体的呼吸信号包含了很多指示呼吸健康的信息,虽然有多种测量呼吸的仪器和手段,但是呼吸腰带仍然是经济、没有辐射伤害、能长时程日常佩戴的呼吸数据获取手段.然而,目前呼吸腰带数据的分析方法还不成熟,为了明确哪些呼吸数据特征可以对病理进行有效分类,本研究分别使用长短期记忆网络(Long Short-Term Memory,LSTM)、吸呼比结合LSTM、吸呼比结合支持向量机(Support Vector Machine,SVM)3种方法,对287个正常呼吸和55个异常呼吸的24 h观测数据进行病理类别分类准确度对比实验.结果表明,吸呼比特征结合LSTM法具有更高的分类准确度.
文献关键词：
呼吸腰带;吸呼比;特征分析;长短期记忆网络;支持向量机
中图分类号：
作者姓名：
徐正丽;蒋盟珂;谢梅英;蔡翔
作者机构：
桂林电子科技大学,广西桂林 541004;南京信息工程大学,江苏南京 210044
文献出处：
引用格式：
[1]徐正丽;蒋盟珂;谢梅英;蔡翔-.面向呼吸腰带数据的病症正常异常分类)[J].广西科学,2022(02):241-248
A类：
呼吸腰带
B类：
病症,人体的呼吸,呼吸信号,多指,射伤,长时程,佩戴,数据获取,数据特征,长短期记忆网络,Long,Short,Term,Memory,吸呼比,Support,Vector,Machine,观测数据,比特,特征结合
AB值：
0.306208
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
