-
题名基于LDA和小波分解的肺音特征提取方法
被引量:5
- 1
-
-
作者
石陆魁
刘文浩
李站茹
-
机构
河北工业大学计算机科学与软件学院
河北省大数据计算重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第22期116-120,149,共6页
-
基金
天津市应用基础与前沿技术研究计划重点项目(No.14JCZDJC31600)
河北省自然科学基金专项(No.F2016202144)
河北省高等学校科学技术研究重点项目支持(No.ZD2014030)
-
文摘
针对用小波分解提取肺音特征后特征向量维数较高的问题,提出了一种结合线性判别分析和小波分解的肺音特征提取方法。在该方法中,首先对肺音信号进行小波分解,然后将小波分解得到的小波系数转化成小波能量特征向量,接着使用线性判别分析法对该特征向量进行降维处理,得到新的低维特征向量,最后用SVM对低维特征进行识别。在实验中,选取了三种肺音信号:正常肺音、爆裂音、哮鸣音,用所提出的方法将8维的小波能量特征降为2维特征,在2维特征上进行了分类识别,并和降维之前的结果进行了比较,实验结果表明利用线性判别分析对小波能量特征降维后极大地提高了识别精度。同时,和其他几种典型的肺音特征提取方法进行了比较,实验结果表明结合线性判别分析与小波分解的特征提取方法得到了更高的识别精度。
-
关键词
肺音
线性判别分析
小波分解
支持向量机(SVM)
-
Keywords
lungsound
lineardiscriminantanalysis
waveletdecomposition
SupportVectorMachine (SVM)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-