《表1 睡眠阶段分类准确率》
单位:%
本文使用支持向量机分类器,一种可用于分类的监督机器学习算法来对睡眠阶段进行分类。它使用内核方法分析多维数据,在有限的样本数据中,支持向量机具有较好的表现。对于50个夜晚数据,在去除损失信号后,共有27 468个30 s波形,提取2.3节以及2.4节中所述时域和频域特征后,原始数据以及特征被随机分为50%的训练集数据用于分类器训练,50%的测试集数据用于评估测试集表现。睡眠阶段共划分为醒着、轻度睡眠(N1、N2)、深度睡眠(N3)以及REM。最终分类准确率如表1所示。
图表编号 | XD00163186600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 彭程、常相茂、仇媛 |
绘制单位 | 南京航空航天大学计算机科学与技术学院、南京航空航天大学计算机科学与技术学院、南京航空航天大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |