作者：陆强; 冯敏; 马华; 张西学步态分类支持向量机模糊c均值聚类核函数智能诊断技术
摘要：背景：对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案。如何有效地分类小样本步态数据成为重要的研究课题。目的：用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病。方法：建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base40～59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模。数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类。采用不同核函数的支持向量机算法验证分类能力。结果与结论：实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
