文档名：混合CNNSVM的心音信号分类算法的研究
摘要：针对当前心音信号识别算法检测精度不佳问题,提出了一种混合卷积神经网络-支持向量机模型(CNN-SVM)的心音信号分类方法.通过PASCAL挑战实验数据,整理出正常与不正常两类心音信号数据库,通过预处理滤波及MFCC、一二阶差分特征提取、PCA降维,输入CNN-SVM模型进行训练.并从准确率、召回率、特异性、精确率和F分数5个方面进行性能评估.为了验证此算法的有效性,将混合CNN-SVM模型与单一SVM、CNN模型分别进行了对比.实验结果表明,该方法能够以较高识别率将两种心音信号区分开,其平均识别准确率接近于99％,相较于单一CNN方法提高了2.48％,同样高于单一SVM算法.
Abstract：Aimingattheproblemsofpoordetectionaccuracyofcurrentheartsoundrecognitionalgorithms,anewheartsoundrecognitionmethodbasedonhybridconvolutionalneuralnetwork-supportvectormachinemodel(CNN-SVM)isproposed.Inor-dertoverifytheeffectivenessofthemethod,twokindsofnormalandabnormalheartsoundsignaldatabasesbasedonPASCALchallengeexperimentdataaresortedout.Throughpreprocessing,MFCCfeatureextractionandPCAdimensionreduction,CNN-SVMmodelhasbeeninputfortraining.Theperformanceoftheproposedmethodisevaluatedintermsofaccuracy,recall,speci-ficityandFscore.Inordertoverifytheeffectivenessofthisalgorithm,thehybridCNN-SVMmodeliscomparedwiththesingleSVMmodelandtheCNNmodelrespectively.Fivegroupsoftheexperimentalresultsshowthattheproposedmethodcandistin-guishthetwodifferentheartsoundwithahighaveragerecognitionrateof99％,whichis2.48％higherthanthesingleCNNmethod.ItisalsohigherthanthesingleSVMalgorithm.
作者：王佳佳Author：WangJiajia
作者单位：江西理工大学能源与机械工程学院,江西南昌330000
刊名：电子技术应用
Journal：ApplicationofElectronicTechnique
年，卷(期)：2024, 50(4)
分类号：TP.391.4
关键词：卷积神经网络 支持向量机 心音信号识别
Keywords：convolutionalneuralnetworks supportvectormachine heartsoundrecognition
机标分类号：TP301.6TP181TN911.7
在线出版日期：2024年4月26日
基金项目：江西省教育厅科学技术研究项目混合CNN-SVM的心音信号分类算法的研究[
期刊论文] 电子技术应用--2024, 50(4)王佳佳针对当前心音信号识别算法检测精度不佳问题,提出了一种混合卷积神经网络-支持向量机模型(CNN-SVM)的心音信号分类方法.通过PASCAL挑战实验数据,整理出正常与不正常两类心音信号数据库,通过预处理滤波及MFCC、一二阶差分...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
混合CNN-SVM的心音信号分类算法的研究 Research on heart sound signals classification using hybrid CNN-SVM
混合CNN-SVM的心音信号分类算法的研究.pdf
- 文件大小:
- 3.14 MB
- 下载次数:
- 60
-
高速下载
|
|
