为解决人工脉象诊断缺乏量化标准以及传统神经网络脉象识别率低的问题,提出将核极限学习机(KELM)应用于脉象分类中,采用morlet小波函数作为极限学习机的核函数,通过粒子群算法优化参数选取,快速准确地解决脉象的分类问题。在孕妇脉象分类数据上进行实验,实验结果表明,小波核极限学习机对脉象数据的分类准确率可达90.3%,超出传统的BP神经网络、SVM等分类算法,具有一定临床价值。
科研之友
微信
新浪微博
Facebook
分享链接
