首页 > 文献资料
-
基于Hadoop环境BP改进算法的脉象识别应用研究
目的 分析脉象识别误差大小的影响因素,提高对海量脉诊数据的处理速度,探索减小脉象主观识别误差的方法.方法 运用基于Hadoop环境的MapReduce分布式计算方法改进BP算法,采用改进的BP算法对脉诊样本数据进行自学习,从而减小拟和误差.将中医电子脉诊仪采集的脉诊数据作为神经网络输入层,采用动量-学习率自适应调整快速BP算法对神经网络进行训练.结果 在训练集(75%)768 M共35890条数据中,单机模式正确预测29150条,正确率为81.22%;MapRedece并行改进的BP算法模式正确预测35841条,正确率为99.86%.结论 与传统BP算法相比,基于Hadoop环境的MapReduce分布式计算方法改进的BP算法模型拟合度误差更小,精确度更高.
-
基于小波模极大原理的脉象特征提取研究
目的根据小波分析原理,研究脉象特征提取方法,以有效解决基于时域或频域的传统方法所无法准确提取脉象特征的问题.方法运用小波模极大方法进行脉象信号周期分割和基本分解,沿时间排列并符号化脉象波上升沿与下降沿的模极大特征点、脉象波谷底和波峰的模极大特征点.结果确定了不明显的重搏前波、重搏波,以及在主波上升沿和下降沿上出现的不规则脉波,并进一步准确提取了脉象信号的多尺度特征和各种时域特征.结论采用此方法进行脉象信号的特征点定位并进一步完成特征提取,具有简单、快速、准确等特点,为进一步进行脉象分类识别研究奠定了基础.
-
基于遗传算法优化的神经网络在人体脉象识别中的应用
人体脉象信息的分类、识别等诸多方面存在着大量复杂的非线性关系,针对传统神经网络结构的设计依赖于人的经验,以及学习和训练时长、学习收敛性很难保证的缺点,提出了一种利用遗传算法对神经网络的结构、连接权、初始阈值、学习率、动量因子同时进行优化,从而达到优化神经网络的算法.该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,提高网络的处理能力,为人体脉象识别方法提供新的理论思想和认知系统.
-
计算机脉象仪的研制与脉象识别
脉诊是中医诊察疾病的重要方法,在临床上具有重要的指导意义.医生诊病一般是用听诊器和手指来听心律及切脉,或者连接"心电图"机作进一步的检查,危重病人还要用"心电图"机进行心律监护.听诊器和手指切脉结果不客观,"心电图"机连接起来需宽衣解带,亦常不便.鉴于此,作者通过研制的"计算机脉象仪"和高灵敏度触觉传感器(专利号:ZL20052005287,ZL2006200498179)脉博探头两者结合在一起,通过一定的方法把脉搏信息描记成便于分析的直观曲线图形,即脉搏波形图,简称为脉图,完整描记出人体脉搏信息,实现脉诊的客观化和计算机分析的自动化.
-
基于高精度计算的中医加速度脉象图研究
为了从中医脉象图中获取更多有价值的信息,本文在总结传统加速度脉象图计算的基础上提出了一种新的高精度加速度脉象图计算算法,能够适应大数据量、高分辨率的全数字脉象图分析要求,优化了加速度脉象图绘制流程,减少了噪音对数据分析的影响,提高了图像细节辨别能力.同时还运用频谱分析手段对高精度加速度脉象图进行分析,克服了传统加速度脉象数据噪声多、损失大的缺点,发现了新的中医平脉、滑脉、弦脉的加速度频谱图特征点,能够对中医脉象图在其加速度计算频域层面进行识别.
-
脉搏系统建模与脉象信息分析的研究进展
简要介绍了人体脉搏信息研究的意义、作用、方法及应用,重点从系统建模和信号分析角度综述了人体脉搏系统和脉搏信息研究的历史、现状和进展,并对存在的困难、问题和进一步研究的方法进行了分析.
