基于序列连通度的睡眠分期算法研究

准确的睡眠分期有利于帮助人们改善睡眠质量.本文提出了一种基于序列连通度分析的特征参数提取算法,提取了连通度分布斜率,连通距离均值,平均连通距离均值以及改进的加权连通度均值等特征参数,采用最小二乘支持向量机对其进行训练和学习,建立了睡眠脑电的数学模型.结果表明,相对于目前已有的序列加权连通度算法,本文算法对于不同睡眠状态的分期正确率提高了约5.72%,特别是对于浅睡眠状态的分类正确率提高约9.65%.