首页 > 文献资料
-
基于RBF-RF级联分类器电子鼻对中药的快速鉴别
目的：将电子鼻引入中药研究领域，探讨其在实际应用中的难点并提出解决方案，建立优化判别模型，为中药鉴别提供一种简便、快速、有效的分析方法，同时为气敏传感器的研发及应用提供新思路。方法：采用电子鼻提取中药气味特征，基于MOS传感器的离子迁移谱，建立中药气味指纹图谱。以传感器大响应值为分析指标，针对鉴别难点，提出两种解决方案：尝试不同检测器，即扩充传感器数量，尽量缩小“嗅觉盲区”；采用“级联分类器”构建法，即采用径向基函数（RBF）与随机森林（RF）二级级联分类器构建判别模型。通过十折交叉验证和外部测试集验证对所建模型进行系统性能的评估。结果：两种方案准确、可行，具有较高的正判率和较好的泛化能力（所得高正判率分别为95%和100%、96%和80%）。结论：本研究首次采用“级联分类器”模式构建中药电子鼻鉴别的判别模型，在传感器数量有限的情况下，从所得数据中挖掘大信息量；以“拆分任务、剥离难点、由易到难、分级递进”为原则，实现电子鼻对中药的快速、准确鉴别。所建模式识别法在可操作性、鉴别准确率和稳定性上均优于传统嗅觉识别法，为中药鉴别提供一种简便、快速的分析方法。
-
基于级联分类器的心律失常检测
常见的心律失常如室性早博(PVC)和左束支传导阻滞(LBBB)在心血管疾病诊断和预后中具有重要的临床价值.本文提出一种用于PVC和LBBB自动检测的级联分类器,通过提取时域和形态特征,采用支持向量机区分PVC和非PVC,再采用加权小距离分类器(W-MDC)将非PVC分为正常(N)和LBBB.用MIT-BIH心律失常数据库进行算法验证,对N、LBBB和PVC三分类的总体正确率为96.28％,N、LBBB、PVC各类的灵敏度和特异性分别为98.59％、97.15％,81.41％、91.89％和89.22％、84.87％,验证该算法的泛化能力及对不同病人的心拍分类有效性.此外,本文还证明多导联信息综合对LBBB分类性能的提高.
