| 最小二乘支持向量机在睡眠打鼾诊断中的应用 |
| |
| 引用本文： | 张晓丹,邵帅,刘钦圣. 最小二乘支持向量机在睡眠打鼾诊断中的应用[J]. 计算机工程与应用, 2008, 44(5): 242-245. DOI: 10.3778/j.issn.1002-8331.2008.05.076 |
| |
| 作者姓名： | 张晓丹 邵帅 刘钦圣 |
| |
| 作者单位： | 北京科技大学 应用科学学院 数学系，北京 100083 |
| |
| 摘 要： | 支持向量机是数据挖掘和机器学习领域中的重要方法之一，最小二乘支持向量机是支持向量机学习算法的重要扩展，在训练速度方面有明显优势。对支持向量机现有的多类分类算法（一对一方法、一对多方法、纠错输出编码方法和最小输出编码方法）引入了最小二乘支持向量机，并应用于睡眠打鼾疾病的诊断预测中，取得了较好的效果。
|
| 关 键 词： | 最小二乘支持向量机 多类分类 最小输出编码 阻塞性睡眠呼吸暂停低通气综合征 |
| 文章编号： | 1002-8331（2008）05-0242-04 |
| 收稿时间： | 2007-06-13 |
| 修稿时间： | 2007-10-23 |
Application of least squares support vector machines to OSAHS |
| |
| ZHANG Xiao-dan,SHAO Shuai,LIU Qin-sheng. Application of least squares support vector machines to OSAHS[J]. Computer Engineering and Applications, 2008, 44(5): 242-245. DOI: 10.3778/j.issn.1002-8331.2008.05.076 |
| |
| Authors: | ZHANG Xiao-dan SHAO Shuai LIU Qin-sheng |
| |
| Affiliation: | School of Applied Science，University of Science and Technology Beijing，Beijing 100083，China |
| |
| Abstract: | Support Vector Machines(SVM) is one of the most important data mining and machine learning method,and Least Squares Support Vector Machines(LS-SVM) is extended from Support Vector Machines learning algorithm and better in learning speed.The LS-SVM is applied to the multi-class classification methods of SVM including 1-a-r,1-a-1,ECOC and MOC.Then,the multi-class classification methods of LS-SVM are applied to OSAHS diagnoses,which have a good result. |
| |
| Keywords: | Least Squares Support Vector Machines multi-class classification Minimum Output Coding Obstructive Sleep Apnea Hypopnea Syndrome |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
