作者:周克良; 王佳佳心音短时自相关系数短时功率谱密度
摘要:传统的概率神经网络(Probability neural network,PNN)具有很强的容错性、学习过程简单、训练速度快等特点。为提高传统PNN在心音分类方面的性能,利用最小均方(Least mean square,LMS)方法对其进行优化,进而提高心音分类与预测的准确性。LMS PNN算法对心音的信号运用窗函数进行分帧,利用双门限法确定数据IS的值,运用LMS方法对相应的参数进行调试,并将去噪后的数据以mat格式保存,提取出各个心音的短时自相关系数以及短时功率谱密度,并运用PNN,抽取40 000个样本数据进行训练,并对各心音进行等级划分与预测。从PNN的模式层输入训练数据后,由实验数据验证可知,LMS PNN算法的预测准确率可达96%以上。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社