基于正态逆高斯和特征贡献度的睡眠分期实验研究

作者：由育阳; 由书凯; 高健凯; 杨志宏^*

来源：北京理工大学学报, 2019, 39(08): 833-838.

DOI：10.15918/j.tbit1001-0645.2019.08.010

• 睡眠分期
• 正态逆高斯
• 特征贡献度
• 多分类器组合

针对自动睡眠分期任务,提出了一种基于正态逆高斯和特征贡献度的睡眠分期实验框架.提取睡眠脑电信号特征,并对信号进行可调Q因子小波分解(TQWT),针对TQWT子带提取正态逆高斯参数特征;基于SVM模型实现特征贡献度排序与筛选,针对高贡献度特征,比较多种分类器的分期结果并设计多分类器组合自动睡眠分期算法.采用PhysioBank的Sleep-EDF数据集进行验证,取得了89.88%的平均睡眠分期准确率,相较于单一分类器的分期准确率有较大提升,对睡眠障碍的临床诊断与研究具有较大价值.

• 单位
  中国医学科学院药用植物研究所; 北京理工大学; 自动化学院