返回列表 发布新帖

混合CNNSVM的心音信号分类算法的研究

26 0
admin 发表于 2024-12-14 12:33 | 查看全部 阅读模式

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
2024-12-14 12:33 上传
文件大小:
3.14 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号-1
关灯 返回顶部
快速回复 返回顶部 返回列表