基于主成分分析和支持向量机的睡眠分期研究

• 作 者: 周鹏 李向新 张翼 明东 董新明 薛然婷 王学民
• 机 构: 天津大学精密仪器与光电子工程学院; 天津市生物医学检测技术与仪器重点实验室; 北京军区天津疗养院
• 出 处: 生物医学工程学杂志
• 发表日期: 2013年06期
• 关键词: 睡眠分期 主成分分析 支持向量机
• 基金项目: 国家自然科学基金资助项目(81222021,51377120,31271062,61172008,81171423,51007063);天津市自然科学基金资助项目(13JCQNJC13900);国家科技支撑计划项目资助(2012BAI34B02);教育部新世纪优秀人才支持计划项目资助(NCET-10-0618)

睡眠分期研究是睡眠质量评价和相关疾病诊断的重要依据。为了实现自动睡眠分期,本文提出了将主成分分析(PCA)和支持向量机(SVM)联合使用的自动睡眠分期方法。首先利用PCA对5位受试者的睡眠脑电(EEG)信号时-频-空域和非线性动力学特征进行特征降维,降低数据冗余度;然后利用一对一(One-against-one classifiers,1-a-1)SVM实现睡眠自动分期。结果显示:自动睡眠分期平均正确率可达到89.9%,优于许多同类研究。