M3-SVM在帕金森疾病UPDRS分类中的应用

根据帕金森疾病对男女患者语音的影响不同这一现实依据,提出将性别这一先验知识融入到最小最大模块化支持向量机(M3-SVM)中,实现对统一帕金森评定量表(UPDRS)的分类。首先将性别作为先验知识,对UPDRS分类问题进行任务分解;其次,对经过任务分解后的训练样本集合运用支持向量机(SVM)进行训练得到基分类器;最后,通过MIN、MAX规则对所有基分类器的预测结果进行集成得出最终的分类结果。在两类及三类远程帕金森数据集的仿真实验中,基于性别划分得到的最好的F-measure值分别为80.19%和69.26%,与随机划分相比,分别提高了3.75%和5.19%,与超平面划分相比,分别提高了0.96%和4.15%。实验结果表明,使用性别划分能够更加准确地根据实际情况分解数据,基于性别划分的M3-SVM提高了UPDRS分类的准确率。